ল্যাংচেইনে এজেন্ট ব্যবহার করে এমআরকেএল সিস্টেমের প্রতিলিপি কীভাবে করবেন?

ল্যাংচেইন ব্যবহারকারীকে এজেন্ট তৈরি করতে দেয় যা ভাষার মডেল বা চ্যাটবটগুলির জন্য একাধিক কাজ সম্পাদন করতে ব্যবহার করা যেতে পারে। এজেন্ট ভাষা মডেলের সাথে সংযুক্ত মেমরির সমস্ত ধাপ সহ তাদের কাজ সংরক্ষণ করে। এই টেমপ্লেটগুলি ব্যবহার করে, এজেন্ট MRKL-এর মতো যে কোনও সিস্টেমের কাজের প্রতিলিপি তৈরি করতে পারে যাতে সেগুলি আবার তৈরি না করেই অপ্টিমাইজ করা ফলাফল পাওয়া যায়।

LangChain-এ এজেন্ট ব্যবহার করে MRKL সিস্টেমের প্রতিলিপি করার প্রক্রিয়া শিখতে, কেবল তালিকাভুক্ত ধাপগুলি অনুসরণ করুন:

ধাপ 1: ফ্রেমওয়ার্ক ইনস্টল করা

প্রথমত, ল্যাংচেইন-পরীক্ষামূলক কমান্ডের সাথে পিপ ব্যবহার করে ল্যাংচেইন পরীক্ষামূলক মডিউলগুলি ইনস্টল করুন:

পিপ ইনস্টল ল্যাংচেন-পরীক্ষামূলক

MRKL সিস্টেমের জন্য ভাষা মডেল তৈরি করতে OpenAI মডিউল ইনস্টল করুন:

পিপ ইনস্টল ওপেনই

ধাপ 2: OpenAI এনভায়রনমেন্ট সেট করা

ব্যবহারকারীকে OpenAI এবং SerpAPi অ্যাকাউন্টের জন্য API কীগুলি প্রদান করতে অনুরোধ করার জন্য অপারেটিং অ্যাক্সেস করতে OS এবং getpass লাইব্রেরিগুলি আমদানি করুন:

আমদানি আপনি

আমদানি গেটপাস

আপনি . আন্দাজ [ 'OPENAI_API_KEY' ] = গেটপাস . গেটপাস ( 'ওপেনএআই এপিআই কী:' )

আপনি . আন্দাজ [ 'SERPAPI_API_KEY' ] = গেটপাস . গেটপাস ( 'Serpapi API কী:' )

ধাপ 3: লাইব্রেরি আমদানি করা

ভাষা মডেল, টুলস এবং এজেন্ট তৈরির জন্য প্রয়োজনীয় লাইব্রেরি আমদানি করতে LangChain থেকে নির্ভরতা ব্যবহার করুন:

থেকে ল্যাংচেইন চেইন আমদানি এলএলএমএমথচেইন

থেকে ল্যাংচেইন এলএমএস আমদানি OpenAI

থেকে ল্যাংচেইন ইউটিলিটি আমদানি SerpAPIWrapper

থেকে ল্যাংচেইন ইউটিলিটি আমদানি এসকিউএলডেটাবেস

থেকে ল্যাংচেন_পরীক্ষামূলক। এসকিউএল আমদানি SQLDatabaseChain

থেকে ল্যাংচেইন এজেন্ট আমদানি ইনিশিয়ালাইজ_এজেন্ট , টুল

থেকে ল্যাংচেইন এজেন্ট আমদানি এজেন্ট টাইপ

ধাপ 4: ডেটাবেস তৈরি করা

এমআরকেএল ডেটা থেকে তথ্য বের করতে বাহ্যিক জ্ঞানের উত্স ব্যবহার করে। এই পোস্টটি SQLite ব্যবহার করে যা এটি ব্যবহার করে ডাউনলোড করা যেতে পারে গাইড ডাটাবেস তৈরি করতে। নিম্নলিখিত কমান্ডটি ইনস্টল করা সংস্করণ প্রদর্শন করে SQLite ডাউনলোড করার প্রক্রিয়া নিশ্চিত করে:

sqlite3

কমান্ড প্রম্পট ব্যবহার করে ডাটাবেস তৈরি করতে একটি ডিরেক্টরির ভিতরে নিম্নলিখিত কমান্ডগুলি ব্যবহার করুন:

সিডি ডেস্কটপ

সিডি mydb

sqlite3 চিনুক। ডিবি

ডাউনলোড করুন তথ্যশালা ফাইল তৈরি করুন এবং এটিকে ডিরেক্টরিতে সংরক্ষণ করুন ' তৈরি করার জন্য নিম্নলিখিত কমান্ডটি ব্যবহার করুন .db ' ফাইল:

. পড়া চিনুক_স্কলাইট। এসকিউএল

শিল্পী সীমা থেকে * নির্বাচন করুন 10 ;

ধাপ 5: ডাটাবেস আপলোড করা হচ্ছে

একবার ডাটাবেসটি সফলভাবে তৈরি হয়ে গেলে, ফাইলটি Google কোলাবোরেটরিতে আপলোড করুন:

থেকে গুগল ইটি এএল আমদানি নথি পত্র

আপলোড = নথি পত্র. আপলোড ( )

ব্যবহারকারী তার ড্রপ-ডাউন মেনু থেকে তার পথ অনুলিপি করতে নোটবুকে আপলোড করা ফাইলটি অ্যাক্সেস করতে পারে:

ধাপ 6: টুল কনফিগার করা

ডাটাবেস তৈরি করার পরে, এজেন্টদের জন্য ভাষা মডেল, সরঞ্জাম এবং চেইন কনফিগার করুন:

অনুসন্ধান = SerpAPIWrapper ( )
এলএলএম = OpenAI ( তাপমাত্রা = 0 )
llm_math_chain = এলএলএমএমথচেইন ( এলএলএম = এলএলএম , ভার্বোস = সত্য )
ডিবি = এসকিউএলডেটাবেস। থেকে_উরি ( 'sqlite:///../../../../../content/Chinook.db' )
db_chain = SQLDatabaseChain. থেকে_এলএলএম ( এলএলএম , ডিবি , ভার্বোস = সত্য )
টুলস = [
টুল (
নাম = 'অনুসন্ধান' ,
ফাংশন = অনুসন্ধান চালানো ,
বর্ণনা = 'সাম্প্রতিক বিষয়গুলি সম্পর্কে উত্তর পেতে লক্ষ্যযুক্ত প্রম্পটগুলিকে জিজ্ঞাসা করুন'
) ,
টুল (
নাম = 'ক্যালকুলেটর' ,
ফাংশন = llm_math_chain. চালানো ,
বর্ণনা = 'গাণিতিক সমস্যার উত্তর/সমাধানের জন্য দরকারী'
) ,
টুল (
নাম = 'ফুবার ডিবি' ,
ফাংশন = db_chain। চালানো ,
বর্ণনা = 'ডাটাবেস থেকে প্রশ্নের উত্তর দেওয়ার জন্য দরকারী এবং ইনপুট প্রশ্নের সম্পূর্ণ প্রসঙ্গ থাকতে হবে'
)
]

সংজ্ঞায়িত করুন এলএলএম পরিবর্তনশীল ব্যবহার করে OpenAI() ভাষা মডেল পেতে পদ্ধতি।
দ্য অনুসন্ধান কল যে টুল SerpAPIWrapper() এর পরিবেশ অ্যাক্সেস করার পদ্ধতি।
দ্য LLMMathChain() পদ্ধতিটি গাণিতিক সমস্যার সাথে সম্পর্কিত উত্তর পেতে ব্যবহৃত হয়।
সংজ্ঞায়িত করুন ডিবি এর ভিতরে ফাইলের পাথ সহ ভেরিয়েবল SQLDatabase() পদ্ধতি
দ্য SQLDatabaseChain() ডাটাবেস থেকে তথ্য পেতে পদ্ধতি ব্যবহার করা যেতে পারে।
যেমন সরঞ্জাম সংজ্ঞায়িত করুন অনুসন্ধান , ক্যালকুলেটর , এবং FooBar DB বিভিন্ন উত্স থেকে ডেটা বের করার জন্য এজেন্ট তৈরির জন্য:

ধাপ 7: এজেন্ট তৈরি ও পরীক্ষা করা

ব্যবহারকারীর জিজ্ঞাসা করা প্রশ্নের উত্তর পেতে টুল, এলএলএম এবং এজেন্ট ব্যবহার করে এমআরকেএল সিস্টেম চালু করুন:

mrkl = ইনিশিয়ালাইজ_এজেন্ট ( টুলস , এলএলএম , প্রতিনিধি = এজেন্ট টাইপ। ZERO_SHOT_REACT_DESCRIPTION৷ , ভার্বোস = সত্য )

MRKL সিস্টেম চালান রান() পদ্ধতিটি ব্যবহার করে প্রশ্নটি তার যুক্তি হিসাবে:

mrkl চালান ( 'লিও ডিক্যাপ্রিও এবং তার বান্ধবীর বর্তমান বয়স কি তাদের বয়সের পার্থক্যও বলে' )

আউটপুট

এজেন্ট চূড়ান্ত উত্তর বের করার জন্য সিস্টেম দ্বারা ব্যবহৃত সম্পূর্ণ পথের সাথে চূড়ান্ত উত্তর তৈরি করেছে:

ধাপ 8: MRKL সিস্টেমের প্রতিলিপি তৈরি করুন

এখন, সহজভাবে ব্যবহার করুন mrkl ডাটাবেসের মতো বিভিন্ন উত্স থেকে উত্তর পেতে রান() পদ্ধতি সহ কীওয়ার্ড:

mrkl চালান ( 'যে শিল্পীর অ্যালবাম 'দ্য স্টর্ম বিফোর দ্য শান্ত' সম্প্রতি প্রকাশিত হয়েছে তার পুরো নাম কী এবং তারা কি FooBar ডাটাবেসে রয়েছে এবং তাদের কোন অ্যালবাম ডাটাবেসে আছে' )

এজেন্ট ডাটাবেস থেকে উত্তর আনতে স্বয়ংক্রিয়ভাবে প্রশ্নটিকে SQL ক্যোয়ারীতে রূপান্তরিত করেছে। এজেন্ট উত্তর পেতে সঠিক উৎস অনুসন্ধান করে এবং তারপর তথ্য বের করার জন্য ক্যোয়ারী একত্রিত করে:

ধাপ 9: ChatModel ব্যবহার করা

ব্যবহারকারী সহজভাবে ChatOpenAI() পদ্ধতি ব্যবহার করে এটিকে একটি ChatModel করতে এবং এর সাথে MRKL সিস্টেম ব্যবহার করে ভাষা মডেল পরিবর্তন করতে পারেন:

থেকে ল্যাংচেইন চ্যাট_মডেল আমদানি চ্যাটওপেনএআই

অনুসন্ধান = SerpAPIWrapper ( )
এলএলএম = চ্যাটওপেনএআই ( তাপমাত্রা = 0 )
llm1 = OpenAI ( তাপমাত্রা = 0 )
llm_math_chain = এলএলএমএমথচেইন ( এলএলএম = llm1 , ভার্বোস = সত্য )
ডিবি = এসকিউএলডেটাবেস। থেকে_উরি ( 'sqlite:///../../../../../content/Chinook.db' )
db_chain = SQLDatabaseChain. থেকে_এলএলএম ( llm1 , ডিবি , ভার্বোস = সত্য )
টুলস = [
টুল (
নাম = 'অনুসন্ধান' ,
ফাংশন = অনুসন্ধান চালান ,
বর্ণনা = 'সাম্প্রতিক বিষয়গুলি সম্পর্কে উত্তর পেতে লক্ষ্যযুক্ত প্রম্পটগুলিকে জিজ্ঞাসা করুন'
) ,
টুল (
নাম = 'ক্যালকুলেটর' ,
ফাংশন = llm_math_chain. চালান ,
বর্ণনা = 'গাণিতিক সমস্যার উত্তর/সমাধানের জন্য দরকারী'
) ,
টুল (
নাম = 'ফুবার ডিবি' ,
ফাংশন = db_chain। চালান ,
বর্ণনা = 'ডাটাবেস থেকে প্রশ্নের উত্তর দেওয়ার জন্য দরকারী এবং ইনপুট প্রশ্নের সম্পূর্ণ প্রসঙ্গ থাকতে হবে'
)
]

ধাপ 10: MRKL এজেন্ট পরীক্ষা করুন

এর পরে, এজেন্ট তৈরি করুন এবং initiize_agent() পদ্ধতি ব্যবহার করে mrkl ভেরিয়েবলে শুরু করুন। আউটপুটে সম্পূর্ণ প্রক্রিয়া পেতে সরঞ্জাম, এলএলএম, এজেন্ট এবং ভার্বোসের মতো উপাদানগুলিকে একীভূত করতে পদ্ধতির প্যারামিটার যোগ করুন:

mrkl = ইনিশিয়ালাইজ_এজেন্ট ( টুলস , এলএলএম , প্রতিনিধি = এজেন্ট টাইপ। CHAT_ZERO_SHOT_REACT_DESCRIPTION , ভার্বোস = সত্য )

নিম্নলিখিত স্ক্রিনশটে প্রদর্শিত mrkl সিস্টেম চালিয়ে প্রশ্নটি চালান:

mrkl চালান ( 'লিও ডিক্যাপ্রিওর গার্লফ্রেন্ড কে? তাদের বর্তমান বয়স কত' )

আউটপুট

নিম্নলিখিত স্নিপেট এজেন্ট দ্বারা নিষ্কাশিত চূড়ান্ত উত্তর প্রদর্শন করে:

ধাপ 11: MRKL সিস্টেমের প্রতিলিপি তৈরি করুন

ডাটাবেস থেকে তথ্য বের করতে স্বাভাবিক ভাষায় প্রশ্ন সহ রান() পদ্ধতিতে কল করে MRKL সিস্টেম ব্যবহার করুন:

আউটপুট

এজেন্ট নিম্নলিখিত স্ক্রিনশটে প্রদর্শিত ডাটাবেস থেকে নিষ্কাশিত চূড়ান্ত উত্তর প্রদর্শন করেছে:

LangChain এ এজেন্ট ব্যবহার করে MRKL সিস্টেমের প্রতিলিপি করার প্রক্রিয়া সম্পর্কে এটাই হল:

উপসংহার

LangChain-এ এজেন্ট ব্যবহার করে MRKL সিস্টেমের প্রতিলিপি করতে, লাইব্রেরি আমদানির জন্য নির্ভরতা পেতে মডিউলগুলি ইনস্টল করুন। টুল ব্যবহার করে একাধিক উৎস থেকে উত্তর পেতে লাইব্রেরিগুলিকে ভাষা মডেল বা চ্যাট মডেল তৈরি করতে হবে। এজেন্টদেরকে ইন্টারনেট, ডাটাবেস ইত্যাদির মতো বিভিন্ন উৎস থেকে আউটপুট বের করার জন্য টুল ব্যবহার করার জন্য কনফিগার করা হয়েছে। এই নির্দেশিকাটি ল্যাংচেইনের এজেন্ট ব্যবহার করে এমআরকেএল সিস্টেমের প্রতিলিপি করার প্রক্রিয়া সম্পর্কে বিস্তারিত বর্ণনা করেছে।

ল্যাংচেইনে এজেন্ট ব্যবহার করে এমআরকেএল সিস্টেমের প্রতিলিপি কীভাবে করবেন?