LangChain সবজাতিকরণ

1. দ্রুত শুরু

নিচে langchain এর একটি সহজ উদাহরণ দেখানো হয়েছে, যা দেখায় কীভাবে langchain ফ্রেমওয়ার্ক ব্যবহার করে মডেল কে কল করে টাস্ক সম্পাদন করা যায়।

2. ল্যাঙ্চেইন উদাহরণ

2.1. ল্যাঙ্চেইন ইনস্টলেশন

ল্যাঙ্চেইন ইনস্টল করতে, আপনি পিপ এবং কনডা ব্যবহার করতে পারেন। নিম্নলিখিত হল ল্যাঙ্চেইন ইনস্টল করার পদক্ষেপ:

পিপ ব্যবহার করে:

pip install langchain

কনডা ব্যবহার করে:

conda install langchain -c conda-forge

2.2. মডেল ইনস্টলেশন

LangChain ব্যবহার করতে আগে, আপনাকে LangChain x OpenAI ইন্টিগ্রেশন প্যাকেজ ইম্পোর্ট করতে এবং API কীটি একটি এনভায়রনমেন্ট ভেরিয়েবল হিসেবে সেট করতে হবে বা সরাসরি OpenAI LLM ক্লাসে পাস করতে হবে।

প্রথমে, OpenAI API কীটি পেতে হবে, যা একটি অ্যাকাউন্ট তৈরি করে এই লিঙ্ক থেকে অধিগ্রহণ করা যায়। তারপর, আপনি এই পদ্ধতিতে এপিআই কীটি এনভায়রনমেন্ট ভেরিয়েবল হিসেবে সেট করতে পারেন:

export OPENAI_API_KEY="আপনার_এপিআই_কীটি"

পরবর্তী, মডেল ইনিশিয়ালাইজ করুন:

from langchain_openai import ChatOpenAI

llm = ChatOpenAI()

আপনি যদি এনভায়রনমেন্ট ভেরিয়েবল সেট না করতে চান, তাহলে আপনি অবশ্যই প্রাথমিক যখন ওপেনএআই LLM ক্লাস ইনিশিয়ালাইজ করতে সরাসরি API কীটি পাস করতে পারবেন:

from langchain_openai import ChatOpenAI

llm = ChatOpenAI(openai_api_key="আপনার_এপিআই_কীটি")

2.3. LLM ব্যবহার

প্রশ্নের উত্তর দেওয়ার জন্য LLM ব্যবহার খুব সহজ। আপনি প্রাথমিক ভাবেই LLM এর invoke মেথড কল করতে পারেন এবং প্যারামিটার হিসাবে প্রশ্ন পাঠিয়ে দিতে পারেন। ইতিমধ্যে ফরম্যাট তালিকা প্রেরণ করার জন্য আপনি প্রোম্পট টেম্পলেট জেনারেট করতে পারেন মডেল (LLM)-কে কমান্ড প্রেরণ করতে।

নিম্নলিখিত দেখায় কীভাবে সাধারণ LLM চেইন তৈরি করা যায়:

from langchain_core.prompts import ChatPromptTemplate

prompt = ChatPromptTemplate.from_messages([
    ("system", "আপনি বিশ্ববিদ্যালয়ের শ্রেষ্ঠ প্রযুক্তিগত নথিপত্র লেখক."),
    ("user", "{ইনপুট}")
])

chain = prompt | llm

chain.invoke({"ইনপুট": "ল্যাঙ্সমিথ কিভাবে টেস্টিং সাহায্য করতে পারে?"})

2.4. আউটপুট পরিবর্তন

LLM এর আউটপুট সাধারণত একটি বার্তা হয়। ফলাফলকে সুবিধাসহকর্তার হ্যান্ডেল করার জন্য, আপনি বার্তাটিকে স্ট্রিং-এ রূপান্তর করতে পারেন। নিম্নলিখিত দেখায় কীভাবে LLM এর আউটপুট বার্তাকে স্ট্রিং-এ রূপান্তর করা যায়:

from langchain_core.output_parsers import StrOutputParser

output_parser = StrOutputParser()

chain = prompt | llm | output_parser

chain.invoke({"ইনপুট": "ল্যাঙ্সমিথ কিভাবে টেস্টিং সাহায্য করতে পারে?"})

উপরের টি LLM চেইনের একটি পরিচয়, যাতে আপনি বুঝতে পারেন কীভাবে LangChain ইনস্টল করতে এবং বিভিন্ন ধরণের চেইন তৈরি করতে।