LangChain এ এজেন্ট এবং এর সরঞ্জাম উভয়ের সাথে কীভাবে মেমরি যুক্ত করবেন?

দ্রুত রূপরেখা

এই পোস্ট নিম্নলিখিত প্রদর্শন করবে:

• LangChain এ এজেন্ট এবং এর সরঞ্জাম উভয়ের সাথে কীভাবে মেমরি যুক্ত করবেন
• ধাপ 1: ফ্রেমওয়ার্ক ইনস্টল করা
• ধাপ 2: পরিবেশ সেট আপ করা
• ধাপ 3: লাইব্রেরি আমদানি করা
• ধাপ 4: ReadOnlyMemory যোগ করা
• ধাপ 5: টুল সেট আপ করা
• ধাপ 6: এজেন্ট তৈরি করা
• পদ্ধতি 1: ReadOnlyMemory ব্যবহার করা
• ধাপ 1: চেইন তৈরি করা
• ধাপ 2: চেইন পরীক্ষা করা
• ধাপ 3: মেমরি পরীক্ষা করা
• পদ্ধতি 2: এজেন্ট এবং টুল উভয়ের জন্য একই মেমরি ব্যবহার করা
• ধাপ 1: চেইন তৈরি করা
• ধাপ 2: চেইন পরীক্ষা করা
• ধাপ 3: মেমরি পরীক্ষা করা
• উপসংহার

ল্যাংচেইনে এজেন্ট এবং এর সরঞ্জাম উভয়ের সাথে কীভাবে মেমরি যুক্ত করবেন?

এজেন্ট এবং সরঞ্জামগুলিতে মেমরি যোগ করা তাদের মডেলের চ্যাট ইতিহাস ব্যবহার করার ক্ষমতা সহ আরও ভাল কাজ করতে সক্ষম করে। মেমরির সাহায্যে, এজেন্ট দক্ষতার সাথে সিদ্ধান্ত নিতে পারে কোন টুলটি কখন স্থাপন করতে হবে। এটি ব্যবহার করা পছন্দনীয় ' শুধুমাত্র স্মৃতি পড়া ” উভয় এজেন্ট এবং সরঞ্জামের জন্য তাই তারা এটি সংশোধন করতে সক্ষম হবে না। LangChain এ এজেন্ট এবং টুল উভয়ের সাথে মেমরি যোগ করার প্রক্রিয়া শিখতে, তালিকাভুক্ত পদক্ষেপগুলি অনুসরণ করুন:

ধাপ 1: ফ্রেমওয়ার্ক ইনস্টল করা

প্রথমত, ইনস্টল করুন ল্যাংচেন-পরীক্ষামূলক মডিউল ভাষা মডেল এবং এজেন্ট জন্য সরঞ্জাম নির্মাণের জন্য তার নির্ভরতা পেতে. ল্যাংচেইন পরীক্ষামূলক হল এমন একটি মডিউল যা বিল্ডিং মডেলগুলির জন্য নির্ভরতা পায় যা বেশিরভাগ পরীক্ষা এবং পরীক্ষার জন্য ব্যবহৃত হয়:

পাওয়া গুগল-সার্চ-ফলাফল ইন্টারনেট থেকে সবচেয়ে প্রাসঙ্গিক উত্তর পেতে OpenAI নির্ভরতা সহ মডিউল:

ধাপ 2: পরিবেশ সেট আপ করা

ইন্টারনেট থেকে উত্তর পায় এমন মডেল তৈরি করতে, এটি ব্যবহার করে পরিবেশ সেট আপ করতে হবে OpenAI এবং সার্পাপি কী:

ধাপ 3: লাইব্রেরি আমদানি করা

এনভায়রনমেন্ট সেট আপ করার পরে, এজেন্টের জন্য টুল তৈরি করতে লাইব্রেরিগুলি আমদানি করুন এবং তাদের সাথে একীভূত করার জন্য অতিরিক্ত মেমরি। প্রয়োজনীয় লাইব্রেরি পেতে নিম্নলিখিত কোডটি এজেন্ট, মেমরি, এলএমএস, চেইন, প্রম্পট এবং ইউটিলিটি ব্যবহার করে:

ধাপ 4: ReadOnlyMemory যোগ করা

ব্যবহারকারী ইনপুট প্রদান করার সাথে সাথে কার্য সম্পাদন শুরু করার জন্য এজেন্টের জন্য টেমপ্লেটটি কনফিগার করুন। এর পরে, যোগ করুন 'কথোপকথনবাফার মেমোরি()' মডেলের চ্যাট ইতিহাস সংরক্ষণ করতে এবং শুরু করতে 'শুধুমাত্র স্মৃতি পড়া' এজেন্ট এবং এর সরঞ্জামগুলির জন্য:

ধাপ 5: টুল সেট আপ করা

এখন, চ্যাটের সারাংশ সহ ইন্টারনেট থেকে উত্তর পেতে অনুসন্ধান এবং সারাংশের মতো সরঞ্জামগুলি সেট আপ করুন:

ধাপ 6: এজেন্ট তৈরি করা

প্রয়োজনীয় কাজগুলি সম্পাদন করতে এবং ইন্টারনেট থেকে উত্তরগুলি বের করার জন্য সরঞ্জামগুলি প্রস্তুত হওয়ার সাথে সাথে এজেন্টটিকে কনফিগার করুন৷ দ্য ' উপসর্গ 'ভেরিয়েবলটি কার্যকর করা হয় এজেন্টরা টুলগুলিতে কোন কাজ বরাদ্দ করার আগে এবং ' প্রত্যয় সরঞ্জামগুলি উত্তরটি বের করার পরে কার্যকর করা হয়:

পদ্ধতি 1: ReadOnlyMemory ব্যবহার করা

একবার এজেন্ট টুলগুলি চালানোর জন্য সেট হয়ে গেলে, ReadOnlyMemory সহ মডেল হল পছন্দের উত্তর আনার জন্য চেইন তৈরি এবং চালানোর উপায় এবং প্রক্রিয়াটি নিম্নরূপ:

ধাপ 1: চেইন তৈরি করা

এই পদ্ধতির প্রথম ধাপ হল চেইন এবং নির্বাহক তৈরি করা 'জিরোশট এজেন্ট()' তার যুক্তি সহ। দ্য 'LLMCchain()' llm এবং প্রম্পট আর্গুমেন্ট ব্যবহার করে ভাষা মডেলের সমস্ত চ্যাটের মধ্যে সংযোগ তৈরি করতে ব্যবহৃত হয়। এজেন্ট তার আর্গুমেন্ট হিসাবে llm_chain, টুলস এবং ভার্বোস ব্যবহার করে এবং এজেন্ট_চেইন তৈরি করে মেমরির সাহায্যে এজেন্ট এবং এর টুলস উভয়ই চালাতে:

ধাপ 2: চেইন পরীক্ষা করা

কল agent_chain ইন্টারনেট থেকে প্রশ্ন জিজ্ঞাসা করতে run() পদ্ধতি ব্যবহার করে:

এজেন্ট অনুসন্ধান টুল ব্যবহার করে ইন্টারনেট থেকে উত্তর বের করেছে:

ব্যবহারকারী এজেন্টের সাথে সংযুক্ত মেমরি পরীক্ষা করার জন্য অস্পষ্ট ফলো-আপ প্রশ্ন জিজ্ঞাসা করতে পারেন:

এজেন্ট প্রশ্নগুলির প্রেক্ষাপট বুঝতে পূর্ববর্তী চ্যাট ব্যবহার করেছেন এবং নিম্নলিখিত স্ক্রিনশটে প্রদর্শিত উত্তরগুলি নিয়ে এসেছেন:

এজেন্ট এজেন্টের মেমরি ব্যবহার করে পূর্বে বের করা সমস্ত উত্তরের সারাংশ বের করতে টুল(সারাংশ_চেইন) ব্যবহার করে:

আউটপুট
পূর্বে জিজ্ঞাসিত প্রশ্নের সারসংক্ষেপ নিম্নলিখিত স্ক্রিনশটে 5 বছর বয়সী ব্যক্তির জন্য প্রদর্শিত হয়েছে:

ধাপ 3: মেমরি পরীক্ষা করা

নিম্নলিখিত কোড ব্যবহার করে এতে সংরক্ষিত চ্যাটগুলি বের করতে বাফার মেমরিটি প্রিন্ট করুন:

কোন পরিবর্তন ছাড়াই সঠিক ক্রমে চ্যাটগুলি নিম্নলিখিত স্নিপেটে প্রদর্শিত হয়েছে:

পদ্ধতি 2: এজেন্ট এবং টুল উভয়ের জন্য একই মেমরি ব্যবহার করা

দ্বিতীয় পদ্ধতি যা প্ল্যাটফর্ম দ্বারা সুপারিশ করা হয় না তা হল এজেন্ট এবং সরঞ্জাম উভয়ের জন্য বাফার মেমরি ব্যবহার করা। সরঞ্জামগুলি মেমরিতে সংরক্ষিত চ্যাটগুলি পরিবর্তন করতে পারে যা বড় কথোপকথনে মিথ্যা আউটপুট ফিরিয়ে দিতে পারে:

ধাপ 1: চেইন তৈরি করা

এই সময়ে ReadOnlyMemory যোগ করা হয়নি বলে একটি ছোট পরিবর্তন সহ এজেন্টদের জন্য সরঞ্জাম এবং চেইন তৈরি করতে টেমপ্লেট থেকে সম্পূর্ণ কোড ব্যবহার করে:

ধাপ 2: চেইন পরীক্ষা করা

নিম্নলিখিত কোড চালান:

উত্তরটি সফলভাবে প্রদর্শিত এবং মেমরিতে সংরক্ষণ করা হয়েছে:

অনেক প্রসঙ্গ না দিয়ে ফলো-আপ প্রশ্ন জিজ্ঞাসা করুন:

এজেন্ট এটিকে রূপান্তরিত করে প্রশ্ন বোঝার জন্য মেমরি ব্যবহার করে এবং তারপর উত্তরটি প্রিন্ট করে:

এজেন্টের সাথে সংযুক্ত মেমরি ব্যবহার করে চ্যাটের সারাংশ পান:

আউটপুট
সারাংশটি সফলভাবে বের করা হয়েছে, এবং এখন পর্যন্ত সবকিছু একই বলে মনে হচ্ছে কিন্তু পরবর্তী ধাপে পরিবর্তন আসে:

ধাপ 3: মেমরি পরীক্ষা করা

নিম্নলিখিত কোড ব্যবহার করে মেমরি থেকে চ্যাট বার্তাগুলি বের করা হচ্ছে:

টুলটি অন্য একটি প্রশ্ন যোগ করে ইতিহাস পরিবর্তন করেছে যা মূলত জিজ্ঞাসা করা হয়নি। মডেলটি a ব্যবহার করে প্রশ্নটি বোঝে বলে এটি ঘটে স্ব-জিজ্ঞাসা প্রশ্ন টুলটি ভুলভাবে মনে করে যে এটি ব্যবহারকারীর দ্বারা জিজ্ঞাসা করা হয়েছে এবং এটি একটি পৃথক ক্যোয়ারী হিসাবে বিবেচনা করে। সুতরাং এটি মেমরিতে অতিরিক্ত প্রশ্ন যুক্ত করে যা তারপর কথোপকথনের প্রসঙ্গ পেতে ব্যবহার করা হবে:

এখন এ পর্যন্তই.

উপসংহার

LangChain-এ একটি এজেন্ট এবং এর সরঞ্জাম উভয়ের সাথে মেমরি যোগ করতে, তাদের নির্ভরতা পেতে এবং তাদের থেকে লাইব্রেরি আমদানি করতে মডিউলগুলি ইনস্টল করুন। এর পরে, মেমরি যোগ করার জন্য কথোপকথন মেমরি, ভাষা মডেল, সরঞ্জাম এবং এজেন্ট তৈরি করুন। দ্য প্রস্তাবিত পদ্ধতি মেমরি যোগ করার জন্য এজেন্টে ReadOnlyMemory ব্যবহার করা হয় এবং চ্যাট ইতিহাস সংরক্ষণ করার জন্য এর সরঞ্জামগুলি। ব্যবহারকারী ব্যবহার করতে পারেন কথোপকথন স্মৃতি এজেন্ট এবং সরঞ্জাম উভয়ের জন্য। কিন্তু, তারা পায় বিভ্রান্ত কখনও কখনও এবং মেমরি চ্যাট পরিবর্তন.