দ্রুত রূপরেখা
এই পোস্টটি নিম্নলিখিত প্রদর্শন করবে:
প্রাকৃতিক ভাষা প্রক্রিয়াকরণে এজেন্ট কী (NLP)
LangChain এ এজেন্টদের সাথে শুরু করা
- ফ্রেমওয়ার্ক ইনস্টল করা হচ্ছে
- চ্যাট মডেল কনফিগার করুন
- বিল্ডিং এজেন্ট
- এজেন্ট আহ্বান
- এজেন্ট টুল কনফিগার করুন
- এজেন্ট পরীক্ষা
প্রাকৃতিক ভাষা প্রক্রিয়াকরণ (NLP) এজেন্ট কি?
এজেন্টরা প্রাকৃতিক ভাষা প্রয়োগের গুরুত্বপূর্ণ উপাদান এবং তারা প্রশ্নগুলি বোঝার জন্য প্রাকৃতিক ভাষা বোঝার (NLU) ব্যবহার করে। এই এজেন্টগুলি এমন প্রোগ্রাম যা কাজের ক্রম ব্যবহার করে মানুষের সাথে মিথস্ক্রিয়া করার জন্য একটি কথোপকথনমূলক টেমপ্লেটের মতো কাজ করে। এজেন্টরা একাধিক টুল ব্যবহার করে যেগুলোকে এজেন্ট একাধিক অ্যাকশন সঞ্চালনের জন্য ডাকতে পারে বা পরবর্তী কাজটি সম্পাদনের জন্য নির্দিষ্ট করতে পারে।
LangChain এ এজেন্টদের সাথে শুরু করা
LangChain এ এজেন্ট ব্যবহার করে আউটপুট বের করে মানুষের সাথে কথোপকথন করার জন্য এজেন্ট তৈরির প্রক্রিয়া শুরু করুন। LangChain এ এজেন্টদের সাথে শুরু করার প্রক্রিয়াটি শিখতে, নীচের তালিকাভুক্ত পদক্ষেপগুলি অনুসরণ করুন:
ধাপ 1: ফ্রেমওয়ার্ক ইনস্টল করা
প্রথমে, '' ব্যবহার করে ল্যাংচেইন ফ্রেমওয়ার্ক ইনস্টল করার প্রক্রিয়া শুরু করুন পিপ ” এজেন্ট ব্যবহার করার জন্য প্রয়োজনীয় নির্ভরতা পেতে কমান্ড:
পিপ ল্যাংচেইন ইনস্টল করুন
LLM তৈরির জন্য OpenAI মডিউল ইনস্টল করুন এবং LangChain এ এজেন্ট কনফিগার করতে এটি ব্যবহার করুন:
পিপ ইনস্টল ওপেনই
পরিবেশ স্থাপন করুন OpenAI মডিউলের জন্য নিম্নলিখিত কোডটি চালিয়ে অ্যাকাউন্ট থেকে তার API কী ব্যবহার করে:
আমদানি আপনিআমদানি গেটপাস
আপনি . আন্দাজ [ 'OPENAI_API_KEY' ] = গেটপাস . গেটপাস ( 'ওপেনএআই এপিআই কী:' )
ধাপ 2: চ্যাট মডেল কনফিগার করুন
এর ফাংশন ব্যবহার করে LLM তৈরি করতে LangChain থেকে ChatOpenAI মডিউল আমদানি করুন:
থেকে ল্যাংচেইন চ্যাট_মডেল আমদানি চ্যাটওপেনএআইএলএলএম = চ্যাটওপেনএআই ( তাপমাত্রা = 0 )
এজেন্টের দ্বারা সঞ্চালিত করার জন্য প্রয়োজনীয় কাজ বা ক্রিয়াগুলি কনফিগার করার জন্য এজেন্টের জন্য সরঞ্জামগুলি আমদানি করুন। ব্যবহারকারীর দেওয়া শব্দের দৈর্ঘ্য পেতে নিম্নলিখিত কোডটি get_word_length() পদ্ধতি ব্যবহার করে:
থেকে ল্যাংচেইন এজেন্ট আমদানি টুল@ টুল
def get_word_length ( শব্দ: str ) - > int :
'''শব্দের দৈর্ঘ্য পাচ্ছি'''
ফিরে কেবল ( শব্দ )
টুলস = [ get_word_length ]
চ্যাট করার জন্য একটি ইন্টারফেস তৈরি করতে চ্যাট মডেলের জন্য টেমপ্লেট বা কাঠামো কনফিগার করুন:
থেকে ল্যাংচেইন প্রম্পট আমদানি ChatPromptTemplate , বার্তা প্লেসহোল্ডারশীঘ্র = ChatPromptTemplate. থেকে_বার্তা ( [
( 'পদ্ধতি' , 'আপনার সহকারী বেশ আশ্চর্যজনক, কিন্তু দৈর্ঘ্য গণনা করার ক্ষেত্রে উন্নতি প্রয়োজন' ) ,
( 'ব্যবহারকারী' , '{ইনপুট}' ) ,
বার্তা প্লেসহোল্ডার ( পরিবর্তনশীল_নাম = 'এজেন্ট_স্ক্র্যাচপ্যাড' ) ,
] )
ধাপ 3: বিল্ডিং এজেন্ট
LangChain মডিউল থেকে OpenAI ফাংশন ব্যবহার করে টুল সহ LLM তৈরির জন্য টুল লাইব্রেরি আমদানি করুন:
থেকে ল্যাংচেইন টুলস . রেন্ডার আমদানি format_tool_to_openai_functionllm_with_tools = এলএলএম বাঁধাই করা (
ফাংশন = [ format_tool_to_openai_function ( t ) জন্য t ভিতরে টুলস ]
)
অ্যাকশন/টাস্ক সিকোয়েন্স সেট করতে আউটপুট পার্সার ব্যবহার করতে OpenAI ফাংশন এজেন্ট ব্যবহার করে এজেন্ট কনফিগার করুন:
থেকে ল্যাংচেইন এজেন্ট . ফরম্যাট_স্ক্র্যাচপ্যাড আমদানি ফরম্যাট_টু_ওপেনাই_ফাংশনথেকে ল্যাংচেইন এজেন্ট . output_parsers আমদানি OpenAIFunctionsAgentOutputParser
প্রতিনিধি = {
'ইনপুট' : ল্যাম্বডা x: x [ 'ইনপুট' ] ,
'এজেন্ট_স্ক্র্যাচপ্যাড' : ল্যাম্বডা x: ফরম্যাট_থেকে_ওপেনাই_ফাংশন ( এক্স [ 'মধ্যবর্তী_পদক্ষেপ' ] )
} | প্রম্পট | llm_with_tools | OpenAIFunctionsAgentOutputParser ( )
ধাপ 4: এজেন্টকে আহ্বান করা
পরবর্তী ধাপে ইনপুট এবং ইন্টারমিডিয়েট_স্টেপস আর্গুমেন্ট ব্যবহার করে এজেন্টকে কল করতে invoke() ফাংশন ব্যবহার করে:
প্রতিনিধি. আহ্বান ( {'ইনপুট' : 'ভালো শব্দে কয়টি অক্ষর' ,
'মধ্যবর্তী_পদক্ষেপ' : [ ]
} )
ধাপ 5: এজেন্ট টুল কনফিগার করুন
এর পরে, ক্রিয়াকলাপটি সম্পূর্ণ করার জন্য একটি ক্রমানুসারে সমস্ত পদক্ষেপকে একীভূত করে মধ্যবর্তী_স্টেপগুলি কনফিগার করতে কেবল AgentFinish লাইব্রেরিটি আমদানি করুন:
থেকে ল্যাংচেইন স্কিমা . প্রতিনিধি আমদানি এজেন্ট ফিনিশমধ্যবর্তী_পদক্ষেপ = [ ]
যখন সত্য :
আউটপুট = প্রতিনিধি. আহ্বান ( {
'ইনপুট' : 'অক্ষর ভাল' ,
'মধ্যবর্তী_পদক্ষেপ' : মধ্যবর্তী_পদক্ষেপ
} )
যদি উদাহরণ ( আউটপুট , এজেন্ট ফিনিশ ) :
সর্বশেষ ফলাফল = আউটপুট return_values [ 'আউটপুট' ]
বিরতি
অন্য :
ছাপা ( আউটপুট টুল , আউটপুট টুল_ইনপুট )
টুল = {
'শব্দের_দৈর্ঘ্য পান' : get_word_length
} [ আউটপুট টুল ]
পর্যবেক্ষণ = টুল. চালান ( আউটপুট টুল_ইনপুট )
মধ্যবর্তী_পদক্ষেপ সংযোজন ( ( আউটপুট , পর্যবেক্ষণ ) )
ছাপা ( সর্বশেষ ফলাফল )
ধাপ 6: এজেন্ট পরীক্ষা করা
এখন, LangChain থেকে এর লাইব্রেরি আমদানি করার পর AgentExecutor() পদ্ধতিতে কল করে এজেন্টকে চালান:
থেকে ল্যাংচেইন এজেন্ট আমদানি এজেন্ট এক্সিকিউটরagent_executor = এজেন্ট এক্সিকিউটর ( প্রতিনিধি = প্রতিনিধি , টুলস = টুলস , ভার্বোস = সত্য )
শেষে, এজেন্টের জন্য ক্যোয়ারী লিখতে ইনপুট আর্গুমেন্ট সহ agent_executor-কে আহ্বান করুন:
agent_executor. আহ্বান ( { 'ইনপুট' : 'ভাল শব্দে কয়টি অক্ষর' } )এজেন্ট চেইন শেষ করার পরে ইনপুট আর্গুমেন্টে দেওয়া প্রশ্নের উত্তর প্রদর্শন করেছে:
LangChain ফ্রেমওয়ার্কে এজেন্টদের সাথে শুরু করা সম্পর্কে এটাই।
উপসংহার
LangChain এ এজেন্টদের সাথে শুরু করতে, OpenAI API কী ব্যবহার করে পরিবেশ সেট আপ করার জন্য প্রয়োজনীয় মডিউলগুলি ইনস্টল করুন। এর পরে, মধ্যবর্তী পদক্ষেপের ক্রম সহ এজেন্ট তৈরির জন্য প্রম্পট টেমপ্লেট সেট করে চ্যাট মডেলটি কনফিগার করুন। এজেন্ট কনফিগার হয়ে গেলে, ব্যবহারকারীকে ইনপুট স্ট্রিং দেওয়ার পরে কাজগুলি নির্দিষ্ট করে সহজভাবে টুল তৈরি করুন। এই ব্লগটি LangChain এ এজেন্ট ব্যবহার করার প্রক্রিয়া প্রদর্শন করেছে।