이 가이드는 LangChain Hub에서 체인을 로드하는 과정을 설명합니다.
LangChain을 사용하여 체인에 메모리 상태를 추가하는 방법은 무엇입니까?
메모리 상태는 출력을 반환하는 동안 사용될 체인에 저장된 최근 값을 참조할 수 있으므로 체인을 초기화하는 데 사용할 수 있습니다. LangChain 프레임워크를 사용하여 체인에 메모리 상태를 추가하는 프로세스를 배우려면 다음 쉬운 가이드를 따르십시오.
1단계: 모듈 설치
먼저 pip 명령을 사용하여 종속성과 함께 LangChain 프레임워크를 설치하여 프로세스를 시작합니다.
pip 설치 랭체인
OpenAI 모듈도 설치하여 체인에 메모리 상태를 추가하는 데 사용할 수 있는 라이브러리를 가져옵니다.
pip 설치 openai
OpenAI 계정에서 API 키를 가져오고 환경을 설정하다 체인이 접근할 수 있도록 이를 사용합니다:
수입 너
수입 getpass
너 . 약 [ 'OPENAI_API_KEY' ] = getpass . getpass ( 'OpenAI API 키:' )
이 단계는 코드가 제대로 작동하는 데 중요합니다.
2단계: 라이브러리 가져오기
환경을 설정한 후 LLMChain, ConversationBufferMemory 등과 같은 메모리 상태를 추가하기 위한 라이브러리를 가져오기만 하면 됩니다.
~에서 랭체인. 쇠사슬 수입 컨버세이션체인~에서 랭체인. 메모리 수입 대화버퍼메모리
~에서 랭체인. chat_models 수입 채팅오픈AI
~에서 랭체인. 쇠사슬 . ㅋㅋㅋ 수입 LLMChain
~에서 랭체인. 프롬프트 수입 프롬프트 템플릿
3단계: 체인 구축
이제 OpenAI() 메서드와 체인 호출 쿼리를 사용하는 프롬프트 템플릿을 사용하여 LLM용 체인을 구축하기만 하면 됩니다.
채팅 = 채팅오픈AI ( 온도 = 0 )프롬프트_템플릿 = '{style} 농담 써 줘'
llm_체인 = LLMChain ( ㅋㅋㅋ = 채팅 , 즉각적인 = 프롬프트 템플릿. from_template ( 프롬프트_템플릿 ) )
llm_체인 ( 입력 = { '스타일' : '코니' } )
모델은 아래 스크린샷과 같이 LLM 모델을 사용하여 출력을 표시했습니다.
4단계: 메모리 상태 추가
여기서는 ConversationBufferMemory() 메서드를 사용하여 체인에 메모리 상태를 추가하고 체인을 실행하여 무지개에서 3가지 색상을 가져옵니다.
대화 = 컨버세이션체인 (ㅋㅋㅋ = 채팅 ,
메모리 = 대화버퍼메모리 ( )
)
대화. 달리다 ( '무지개 3가지 색을 간략하게 표현해 보세요' )
모델은 무지개의 세 가지 색상만 표시했으며 컨텍스트는 체인의 메모리에 저장됩니다.
여기서는 다음과 같은 모호한 명령으로 체인을 실행하고 있습니다. 나머지 4개? ” 따라서 모델 자체는 메모리에서 컨텍스트를 가져오고 나머지 무지개 색상을 표시합니다.
대화. 달리다 ( '다른 4개?' )모델은 상황을 이해하고 무지개 세트에서 나머지 4가지 색상을 반환함으로써 정확하게 이를 수행했습니다.
이것이 바로 LangChain Hub에서 체인을 로드하는 것입니다.
결론
LangChain 프레임워크를 사용하여 체인에 메모리를 추가하려면 LLM 구축을 위한 환경을 설정하는 모듈을 설치하기만 하면 됩니다. 그런 다음 LLM에서 체인을 구축하는 데 필요한 라이브러리를 가져온 다음 여기에 메모리 상태를 추가합니다. 체인에 메모리 상태를 추가한 후 체인에 명령을 내려 출력을 얻은 다음 이전 명령의 컨텍스트 내에서 다른 명령을 내리면 올바른 응답을 얻을 수 있습니다. 이번 포스팅에서는 LangChain 프레임워크를 사용하여 체인에 메모리 상태를 추가하는 과정을 자세히 설명했습니다.