Membina Ejen AI Pintar dengan Langchain: Panduan Praktikal

Melepaskan kuasa ejen AI dengan Langchain: Panduan Pemula

Bayangkan menunjukkan nenek anda keajaiban kecerdasan buatan dengan membiarkannya berbual dengan Chatgpt - kegembiraan di wajahnya sebagai AI dengan mudah terlibat dalam perbualan! Artikel ini menerangkan bagaimana anda boleh membina ejen AI pintar anda menggunakan Langchain, sebuah perpustakaan Python yang kuat yang memudahkan proses.

Langchain memberi kuasa kepada mereka yang mempunyai pengalaman pengekodan terhad untuk membuat aplikasi AI yang canggih yang disesuaikan dengan keperluan khusus mereka. Kami akan membimbing anda melalui membina ejen AI yang mampu mengikis web dan ringkasan kandungan, menunjukkan potensi Langchain untuk merevolusikan aliran kerja anda. Sama ada anda seorang pemula atau pakar, Langchain menyediakan alat untuk membangunkan penyelesaian AI yang dinamik dan konteks.

Konsep dan faedah utama:

Panduan ini akan meliputi:

• Fungsi teras dan kelebihan menggunakan Langchain untuk pembangunan ejen AI.
• Menyediakan dan mengkonfigurasi Langchain dalam persekitaran Python.
• Pengalaman praktikal dalam membina ejen AI untuk tugas -tugas seperti pengikatan web dan ringkasan kandungan.
• Memahami perbezaan utama antara chatbots tradisional dan ejen Langchain.
• Menyesuaikan dan memperluaskan Langchain untuk memenuhi keperluan permohonan tertentu.

Jadual Kandungan:

• Apa itu Langchain?
• Ciri -ciri teras Langchain
• Memahami ejen Langchain
• Contoh tangan: Membina ejen AI
• Menentukan alat pengikis web
• Contoh teks artikel
• Soalan yang sering ditanya

Apa itu Langchain?

Langchain memudahkan penciptaan ejen AI pintar melalui perpustakaan Python sumber terbuka yang inovatif. Dalam landskap AI yang berkembang pesat, keupayaan untuk membina ejen yang terlibat dalam perbualan yang kaya dengan konteks, tidak ternilai. Langchain cemerlang dengan menawarkan rangka kerja yang mantap yang mengintegrasikan dengan lancar dengan pelbagai model bahasa, menjadikannya sesuai untuk pemaju yang ingin membina agen AI yang canggih.

Peranan Langchain:

Langchain menangani batasan ejen AI tradisional. Walaupun membantu, chatbots tradisional sering berjuang dengan penyelenggaraan konteks dan interaksi yang bernuansa. Langchain mengatasi cabaran-cabaran ini dengan menggunakan model bahasa terkini (seperti GPT-3) untuk meningkatkan keupayaan perbualan ejennya. Perpustakaan mengiktiraf bahawa walaupun model bahasa yang kuat wujud, mengintegrasikannya ke dalam aplikasi praktikal boleh menjadi kompleks. Langchain abstrak dari kerumitan ini, menyediakan antara muka mesra pengguna untuk membina, melatih, dan menggunakan agen AI.

Ciri -ciri utama Langchain:

Langchain mempunyai pelbagai ciri yang direka untuk memudahkan pembangunan ejen AI yang mantap. Senibina modularnya membolehkan pemaju menggabungkan komponen seperti yang diperlukan, memastikan kebolehsuaian merentasi pelbagai kes penggunaan, dari bot perkhidmatan pelanggan kepada pembantu maya.

• Integrasi dengan Model Bahasa Lanjutan: Langchain menyokong model bahasa canggih (contohnya, GPT-3), membolehkan ejen untuk menghasilkan respons yang lebih semula jadi dan kontekstual yang relevan, penting untuk mewujudkan interaksi pengguna yang menarik.
• Pengurusan Konteks: Langchain cemerlang dalam mengekalkan konteks perbualan, peningkatan yang signifikan terhadap chatbots tradisional.
• Kebolehpercayaan dan Extensibility: Sifat yang sangat disesuaikan dengan Langchain membolehkan pemaju mengintegrasikan API tambahan dan sumber data, menyesuaikan tingkah laku ejen untuk memenuhi keperluan khusus.
• Keramahan Pengguna: Walaupun kuasa, Langchain tetap mesra pengguna.

Asas Ejen Langchain:

Menurut dokumentasi Langchain: "Idea teras ejen adalah menggunakan model bahasa untuk memilih urutan tindakan. Tindakan ditodak dalam rantai, dalam ejen, alasan model bahasa untuk menentukan tindakan yang hendak diambil dan dalam perintah apa."

Ejen AI, tidak seperti chatbot yang mudah, adalah sistem yang lebih maju, autonomi yang mampu melakukan tugas yang lebih luas. Ejen direka untuk memahami, mentafsirkan, dan bertindak balas kepada input pengguna lebih fleksibel dan bijak daripada chatbots. Pada asasnya, ejen melaksanakan tugas bagi pihak anda.

Perbezaan dari chatbots: chatbots mensimulasikan perbualan manusia, sering bergantung pada respons pra-diprogramkan. Ejen Langchain, bagaimanapun, memanfaatkan LLM dan algoritma pembelajaran mendalam untuk menghasilkan tindak balas dinamik, menyesuaikan diri dengan konteks dan nuansa perbualan. Tidak seperti chatbots yang sering berjuang dengan konteks, ejen Langchain mengingati interaksi masa lalu, menjadikan perbualan lebih koheren dan relevan.

Contoh kod tangan: Membina pengikis web dan meringkaskan ejen AI

Contoh ini menunjukkan ejen menggunakan pengikis web (dengan perpustakaan fundus ) dan Langchain untuk mengikis dan meringkaskan artikel.

Anda memerlukan persekitaran python dengan perpustakaan yang diperlukan. Pasang Langchain dan Fundus:

 Pip Pasang Langchain Fundus

Import:

 dari alat import langchain.
dari langchain_openai import chatopenai
Dari Fundus Import PublisherCollection, Crawler, memerlukan
dari langchain_core.Prompts import chatprompttemplate, mesej tempat

Mulakan LLM:

 LLM = chatopenai (model = "GPT-3.5-Turbo", suhu = 0)

Mendefinisikan Alat Pengikis Web:

Fungsi ini mengekstrak artikel dari penerbit berita AS menggunakan fundus :

 @tool
def extract_article (max_article: int):
    "" "Mengembalikan artikel berita dari penerbit Amerika Syarikat." ""
    Crawler = Crawler (PublisherCollection.us)
    article_extracted = [article.body.text () untuk artikel dalam crawler.crawl (max_articles = max_article)] [0]
    kembali str (article_extracted)

Contoh Teks Artikel:

(Contoh teks artikel akan dimasukkan di sini)

Alat penyenaraian dan templat segera:

 alat = [extract_article]

prompt = chatprompttemplate.from_messages (
    [
        ("Sistem", "anda adalah pembantu yang kuat, tetapi tidak menyedari peristiwa semasa."),
        ("pengguna", "{input}"),
        Mesej Pemasaran (variable_name = "Agent_ScratchPad"),
    ]
)

Alat mengikat dan menubuhkan ejen:

 dari langchain.agents.format_scratchpad.openai_tools import format_to_openai_tool_messages
dari langchain.agents.output_parsers.openai_tools import openaitoolsagentoutputparser

llm_with_tools = llm.bind_tools (alat)

agen = (
    {
        "input": lambda x: x ["input"],
        "Agent_ScratchPad": lambda x: format_to_openai_tool_messages (x ["intermediate_steps"]),
    }
    | segera
    | llm_with_tools
    | OpenaitoolSagentOutputParser ()
)

Melaksanakan dan menguji ejen:

 dari Langchain.Agents Import AgentExecutor
Agent_Executor = AgentExecutor (Agent = Agent, Tools = Tools, Verbose = True)
hasil = senarai (agen_executor.stream ({"input": "Apa artikel ini?"}))
cetak (hasil [2] ['output']))

(Output yang dijangkakan: ringkasan ringkas artikel sampel)

Kesimpulan:

Tutorial ini menunjukkan bangunan agen AI pintar menggunakan Langchain untuk tugas -tugas seperti ringkasan kandungan dan pengikis web. Ia meliputi memulakan LLM, menentukan alat untuk mendapatkan semula artikel, merancang ejen untuk menjawab pertanyaan pengguna, mengikat alat ke LLM, dan membuat template segera.

Soalan yang sering ditanya:

• S1: Apa itu Langchain? A1: Langchain adalah perpustakaan Python yang memudahkan pembangunan ejen AI dengan antara muka yang standard, pengurusan segera, dan integrasi alat.

• S2: Apakah ejen Langchain AI? A2: Ejen Langchain AI menggunakan model bahasa untuk melakukan tindakan berdasarkan input pengguna, membolehkan interaksi dinamik dan konteks yang menyedari.

• S3: Bagaimanakah langchain berbeza dari chatbots tradisional? A3: Ejen Langchain menggunakan model bahasa untuk respons semula jadi, konteks yang menyedari, tidak seperti chatbots tradisional dengan interaksi pra-program.

Atas ialah kandungan terperinci Membina Ejen AI Pintar dengan Langchain: Panduan Praktikal. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!