এই নির্দেশিকা LangChain-এ সর্বাধিক প্রান্তিক প্রাসঙ্গিকতা উদাহরণ নির্বাচক দ্বারা নির্বাচন ব্যবহার করার প্রক্রিয়াটি ব্যাখ্যা করবে।
ল্যাংচেইনে সর্বোচ্চ প্রান্তিক প্রাসঙ্গিকতা (এমএমআর) দ্বারা নির্বাচন কীভাবে ব্যবহার করবেন?
প্রম্পট এবং উদাহরণের কোসাইন সাদৃশ্য ব্যবহার করে তথ্য বের করতে সর্বাধিক প্রান্তিক প্রাসঙ্গিক উদাহরণ নির্বাচক ব্যবহার করা হয়। কোসাইন সাদৃশ্য গণনা করা হয় ডেটাতে এমবেডিং পদ্ধতি প্রয়োগ করার পরে এবং পাঠ্যকে সংখ্যাসূচক আকারে রূপান্তর করার পরে।
LangChain-এ MMR উদাহরণ নির্বাচক ব্যবহার করার প্রক্রিয়া শিখতে, কেবলমাত্র তালিকাভুক্ত পদক্ষেপগুলি দিয়ে যান:
ধাপ 1: মডিউল ইনস্টল করুন
পিপ কমান্ড ব্যবহার করে ল্যাংচেইনের নির্ভরতা ইনস্টল করে প্রক্রিয়াটি শুরু করুন:
পিপ ল্যাংচেইন ইনস্টল করুন
OpenAIEmbedding() পদ্ধতি প্রয়োগ করার জন্য এর পরিবেশ ব্যবহার করতে OpenAI মডিউল ইনস্টল করুন:
পিপ ইনস্টল ওপেনই
FAISS ফ্রেমওয়ার্ক ইনস্টল করুন যা শব্দার্থিক সাদৃশ্য ব্যবহার করে আউটপুট পেতে ব্যবহার করা যেতে পারে:
pip install faiss-gpu 
এখন, নিম্নলিখিত কোডটি ব্যবহার করে পাঠ্যটিকে ছোট খণ্ডে বিভক্ত করার জন্য টিকটোকেন টোকেনাইজার ইনস্টল করুন:
পিপ টিকটকেন ইনস্টল করুন 
ধাপ 2: লাইব্রেরি এবং উদাহরণ ব্যবহার করা
পরবর্তী ধাপ হল একটি MMR উদাহরণ নির্বাচক, FAISS, OpenAIEmbeddings, এবং PromptTemplate তৈরির জন্য লাইব্রেরি আমদানি করা। লাইব্রেরি আমদানি করার পরে, কেবল একটি উদাহরণ সেট তৈরি করুন যা একাধিক অ্যারেতে তাদের নিজ নিজ ইনপুটের জন্য ইনপুট এবং আউটপুট দেয়:
থেকে ল্যাংচেইন অনুরোধ . উদাহরণ_নির্বাচক আমদানি (MaxMarginal RelevanceExampleSelector ,
শব্দার্থিক সাদৃশ্য উদাহরণ নির্বাচক ,
)
থেকে ল্যাংচেইন ভেক্টর স্টোর আমদানি FAISS
থেকে ল্যাংচেইন এমবেডিং আমদানি OpenAIEmbeddings
থেকে ল্যাংচেইন অনুরোধ আমদানি FewShotPromptTemplate , প্রম্পট টেমপ্লেট
উদাহরণ_প্রম্পট = প্রম্পট টেমপ্লেট (
input_variables = [ 'ইনপুট' , 'আউটপুট' ] ,
টেমপ্লেট = 'ইনপুট: {ইনপুট} \n আউটপুট: {output}' ,
)
উদাহরণ = [
{ 'ইনপুট' : 'খুশি' , 'আউটপুট' : 'দুঃখিত' } ,
{ 'ইনপুট' : 'লম্বা' , 'আউটপুট' : 'ছোট' } ,
{ 'ইনপুট' : 'অনলস' , 'আউটপুট' : 'অলস' } ,
{ 'ইনপুট' : 'রৌদ্রোজ্জ্বল' , 'আউটপুট' : 'বিষণ্ণ' } ,
{ 'ইনপুট' : 'বাতাস' , 'আউটপুট' : 'শান্ত' } ,
]
ধাপ 3: উদাহরণ নির্বাচক নির্মাণ
এখন, বিভিন্ন পরামিতি ধারণকারী MaxMarginalRelevanceExampleSelector() পদ্ধতি ব্যবহার করে MMR উদাহরণ নির্বাচক তৈরি করা শুরু করুন:
উদাহরণ_নির্বাচক = MaxMarginal RelevanceExampleSelector. থেকে_উদাহরণ (উদাহরণ ,
OpenAIEmbeddings ( ) ,
FAISS ,
k = 2 ,
)
mmr_prompt = FewShotPromptTemplate (
উদাহরণ_নির্বাচক = উদাহরণ_নির্বাচক ,
উদাহরণ_প্রম্পট = উদাহরণ_প্রম্পট ,
উপসর্গ = 'প্রতিটি ইনপুটের বিপরীত শব্দ দিন' ,
প্রত্যয় = 'ইনপুট: {বিশেষণ} \n আউটপুট:' ,
input_variables = [ 'বিশেষণ' ] ,
)
ধাপ 4: MMR উদাহরণ নির্বাচক পরীক্ষা করা
ইনপুট সহ print() পদ্ধতিতে কল করে সর্বোচ্চ প্রান্তিক প্রাসঙ্গিকতা MMR উদাহরণ নির্বাচক পরীক্ষা করুন:
ছাপা ( mmr_prompt. বিন্যাস ( বিশেষণ = 'চিন্তিত' ) ) 
ধাপ 5: শব্দার্থিক সাদৃশ্য ব্যবহার করা
এই ধাপটি SemanticSimilarityExampleSelector() পদ্ধতি ব্যবহার করে এবং তারপর FewShotPromptTemplate() পদ্ধতি ব্যবহার করে যা LangChain দ্বারা সমর্থিত:
উদাহরণ_নির্বাচক = শব্দার্থিক সাদৃশ্য উদাহরণ নির্বাচক। থেকে_উদাহরণ (উদাহরণ ,
OpenAIEmbeddings ( ) ,
FAISS ,
k = 2 ,
)
অনুরূপ_প্রম্পট = FewShotPromptTemplate (
উদাহরণ_নির্বাচক = উদাহরণ_নির্বাচক ,
উদাহরণ_প্রম্পট = উদাহরণ_প্রম্পট ,
উপসর্গ = 'প্রতিটি ইনপুটের বিপরীত শব্দ দিন' ,
প্রত্যয় = 'ইনপুট: {বিশেষণ} \n আউটপুট:' ,
input_variables = [ 'বিশেষণ' ] ,
)
ছাপা ( অনুরূপ_প্রম্পট বিন্যাস ( বিশেষণ = 'চিন্তিত' ) )
LangChain-এ ম্যাক্সিমাল মার্জিনাল প্রাসঙ্গিকতা বা MMR দ্বারা নির্বাচন ব্যবহার করার জন্য এটিই।
উপসংহার
LangChain-এ সর্বাধিক প্রান্তিক প্রাসঙ্গিকতা বা MMR উদাহরণ নির্বাচক দ্বারা নির্বাচন ব্যবহার করতে, প্রয়োজনীয় মডিউলগুলি ইনস্টল করুন। এর পরে, ইনপুট এবং আউটপুট প্রম্পট টেমপ্লেট ব্যবহার করে উদাহরণ সেট তৈরি করতে লাইব্রেরিগুলি আমদানি করুন। প্রাসঙ্গিক আউটপুট পেতে MMR উদাহরণ নির্বাচক এবং FewShotPromptTemplate() পদ্ধতি ব্যবহার করে পরীক্ষা করার জন্য MMR উদাহরণ নির্বাচক তৈরি করুন। এই নির্দেশিকাটি ল্যাংচেইন-এ সিলেক্ট-বাই-এমএমআর উদাহরণ নির্বাচক ব্যবহার করার প্রক্রিয়াকে চিত্রিত করেছে।