এই নির্দেশিকা LangChain-এ কথোপকথনের সারাংশ বাফার ব্যবহার করার প্রক্রিয়াটি ব্যাখ্যা করবে।
ল্যাংচেইনে কথোপকথনের সারাংশ বাফার কীভাবে ব্যবহার করবেন?
কথোপকথনে একাধিক বার্তা থাকতে পারে যা মানুষ এবং মেশিনের মধ্যে মিথস্ক্রিয়া এবং বাফার সাম্প্রতিক বার্তাগুলি সংরক্ষণ করতে পারে। দ্য কথোপকথনের সারাংশ বাফার মেমোরি লাইব্রেরিটি সাম্প্রতিক বার্তা সংরক্ষণ এবং তাদের সারাংশ বের করার মত উভয় ধারণাকে একত্রিত করতে ব্যবহৃত হয়।
LangChain-এ কথোপকথনের সারাংশ বাফার ব্যবহার করার প্রক্রিয়া শিখতে, কেবল নিম্নলিখিত নির্দেশিকাটি দেখুন:
ধাপ 1: মডিউল ইনস্টল করুন
প্রথমে, প্রয়োজনীয় লাইব্রেরি পেতে পিপ কমান্ড ব্যবহার করে ল্যাংচেইন মডিউল ইনস্টল করুন:
পিপ ল্যাংচেইন ইনস্টল করুন
টিকটকেন টোকেনাইজার ইনস্টল করুন যা পাঠ্য নথিগুলিকে ছোট ছোট অংশে বিভক্ত করতে ব্যবহার করা যেতে পারে:
পিপ টিকটকেন ইনস্টল করুন 
এর পরে, OpenAI মডিউলগুলি ইনস্টল করুন যা LLM এবং চেইনগুলির মতো ভাষা মডেলগুলি তৈরি করতে ব্যবহার করা যেতে পারে:
পিপ ইনস্টল ওপেনই 
এখন, পরিবেশ স্থাপন করুন OpenAI অ্যাকাউন্ট থেকে API কী পেয়ে এবং মডেলে এটি ব্যবহার করে:
আমদানি আপনিআমদানি গেটপাস
আপনি . আন্দাজ [ 'OPENAI_API_KEY' ] = গেটপাস . গেটপাস ( 'ওপেনএআই এপিআই কী:' )
ধাপ 2: কথোপকথনের সারাংশ বাফার ব্যবহার করা
OpenAI() পদ্ধতি ব্যবহার করে LLM তৈরি করতে লাইব্রেরি আমদানি করে কথোপকথনের সারাংশ বাফার ব্যবহার করার প্রক্রিয়া শুরু করুন:
থেকে ল্যাংচেইন স্মৃতি আমদানি কথোপকথনের সারাংশ বাফার মেমরিথেকে ল্যাংচেইন এলএমএস আমদানি OpenAI
এলএলএম = OpenAI ( )
ConversationSummaryBufferMemory() পদ্ধতি ব্যবহার করে মেমরি তৈরি করুন এবং তারপর কথোপকথনটি মেমরিতে সংরক্ষণ করুন:
স্মৃতি = কথোপকথনের সারাংশ বাফার মেমরি ( এলএলএম = এলএলএম , সর্বোচ্চ_টোকেন_সীমা = 10 )স্মৃতি. সংরক্ষণ_প্রসঙ্গ ( { 'ইনপুট' : 'হ্যালো' } , { 'আউটপুট' : 'তুমি কেমন আছ' } )
স্মৃতি. সংরক্ষণ_প্রসঙ্গ ( { 'ইনপুট' : 'আমি ভাল আছি, তুমি কেমন আছো' } , { 'আউটপুট' : 'বেশি না' } )
এখন, কল করে মেমরি চালান load_memory_variables () মেমরি থেকে বার্তা বের করার পদ্ধতি:
স্মৃতি. load_memory_variables ( { } ) 
এখন, বাফারে সংরক্ষিত বার্তার সংখ্যা সীমিত করে বাফার কনফিগার করতে কথোপকথনের বাফার সারাংশ ব্যবহার করুন। এর পরে, বাফারে সংরক্ষিত এই বার্তাগুলির সারাংশ বের করুন এবং তারপর কথোপকথনটি মেমরিতে সংরক্ষণ করুন:
স্মৃতি = কথোপকথনের সারাংশ বাফার মেমরি (এলএলএম = এলএলএম , সর্বোচ্চ_টোকেন_সীমা = 10 , ফেরত_বার্তা = সত্য
)
স্মৃতি. সংরক্ষণ_প্রসঙ্গ ( { 'ইনপুট' : 'হ্যালো' } , { 'আউটপুট' : 'তুমি কেমন আছ' } )
স্মৃতি. সংরক্ষণ_প্রসঙ্গ ( { 'ইনপুট' : 'আমি ভাল আছি, তুমি কেমন আছো' } , { 'আউটপুট' : 'বেশি না' } )
নিম্নলিখিত কোড ব্যবহার করে বাফার মেমরিতে সংরক্ষিত পূর্ববর্তী বার্তাগুলির সারাংশ পান:
বার্তা = স্মৃতি. চ্যাট_মেমরি . বার্তাআগের_সারাংশ = ''
স্মৃতি. পূর্বাভাস_নতুন_সারাংশ ( বার্তা , আগের_সারাংশ )
ধাপ 3: একটি চেইনে কথোপকথনের সারাংশ বাফার ব্যবহার করা
ব্যবহার করে চেইন তৈরি করুন কথোপকথন চেইন() বাফার মেমরিতে বার্তা সংরক্ষণ করার জন্য মান ধারণকারী পদ্ধতি:
থেকে ল্যাংচেইন চেইন আমদানি কথোপকথন চেইনকথোপকথন_সাথে_সারাংশ = কথোপকথন চেইন (
এলএলএম = এলএলএম ,
স্মৃতি = কথোপকথনের সারাংশ বাফার মেমরি ( এলএলএম = OpenAI ( ) , সর্বোচ্চ_টোকেন_সীমা = 40 ) ,
ভার্বোস = সত্য ,
)
কথোপকথন_সাথে_সারাংশ। ভবিষ্যদ্বাণী ( ইনপুট = 'ওহে কি খবর?' )
কথোপকথনের সারাংশ পেতে predict() পদ্ধতি ব্যবহার করে পাঠ্য আকারে ইনপুট প্রদান করুন:
কথোপকথন_সাথে_সারাংশ। ভবিষ্যদ্বাণী ( ইনপুট = 'শুধু NLP প্রকল্পে কাজ করছি' ) 
মডেল থেকে আউটপুট ব্যবহার করুন এবং বাফার মেমরিতে বার্তাগুলি ব্যবহার করে আরও ডেটা যোগ করুন এবং এর সারাংশ প্রদর্শন করুন:
কথোপকথন_সাথে_সারাংশ। ভবিষ্যদ্বাণী ( ইনপুট = 'হ্যাঁ তাই! আমি এলএলএম ডিজাইন করার কাজ করছি' ) 
সারাংশ হল আউটপুট সহজে বোধগম্য এবং আরও মানব-বান্ধব হবে এবং চ্যাটবটগুলির জন্য আরও উপযুক্ত:
কথোপকথন_সাথে_সারাংশ। ভবিষ্যদ্বাণী (ইনপুট = 'আমি ল্যাংচেইন ব্যবহার করতে চাই! আপনি কি এটা শুনেছেন'
)
এটি LangChain-এ কথোপকথনের সারাংশ বাফার ব্যবহার করার বিষয়ে।
উপসংহার
LangChain-এ কথোপকথনের সারাংশ বাফার মেমরি ব্যবহার করতে, প্রয়োজনীয় লাইব্রেরি পেতে কেবল মডিউল বা ফ্রেমওয়ার্ক ইনস্টল করুন। একবার লাইব্রেরি আমদানি করা হলে, কথোপকথনের সারাংশ পেতে ConverstaionSummaryBufferMemory() ফাংশন ব্যবহার করতে LLM বা চ্যাটবট তৈরি করুন। বাফার মেমরিটি সারাংশ বের করার জন্য মেমরিতে সংরক্ষিত বার্তার সংখ্যা সীমিত করতে ব্যবহৃত হয়। এই পোস্টটি LangChain-এ কথোপকথনের সারাংশ বাফার মেমরি ব্যবহার করার প্রক্রিয়া সম্পর্কে বিস্তারিত বর্ণনা করেছে।