...
/نماذج الدردشة والرسائل وقوالب المطالبات في LangChain
نماذج الدردشة والرسائل وقوالب المطالبات في LangChain
تعرف على النماذج المختلفة في إطار عمل LangChain وكيف يمكننا الاستعلام عن نموذج اللغة بشكل فعال باستخدام قوالب المطالبة.
سنغطي ما يلي...
يوفر LangChain إطار عمل للمطورين لإنشاء تطبيقات مدعومة بـ LLM بسرعة.
يُبسّط التطوير بتوفير وصول سهل إلى نماذج لغات مختلفة من مُزوّدين مُختلفين. يُتيح هذا للمطورين تجربة سريعة، واختيار النموذج الأنسب لاحتياجاتهم، والتركيز على بناء منطق التطبيق بدلاً من التعامل مع واجهات برمجة تطبيقات مختلفة.
في هذا الدرس، سننظر في كيفية الاستفادة من نماذج مختلفة في LangChain وتوجيه هذه النماذج بكفاءة لطرح الاستعلامات والحصول على استجابة وفقًا لذلك.
نماذج الدردشة
النموذج، أو نموذج المحادثة في سياق LangChain، هو أي برنامج ماجستير في القانون يُمكن استخدامه لمختلف المهام المتعلقة باللغة. تتراوح هذه المهام بين إنشاء النصوص أو تلخيصها، والإجابة على الأسئلة البسيطة أو ترجمة اللغات.
توفر LangChain واجهة قياسية مع العديد من برامج LLM، مثل ChatGPT، وClaude، وMistral، وما إلى ذلك.
في هذه الدورة، سنركز على نموذج Llama LLM من Meta مع Groq . لنبدأ بمثال بسيط لاستعلام نموذج Llama باستخدام إطار عمل LangChain.
from langchain_groq import ChatGroqllm = ChatGroq(model="llama3-8b-8192")response = llm.invoke("What is the tallest building in the world?")print(response.content)
السطر ١: استيراد طريقة
ChatGroq
من وحدةlangchain_groq
. تم تثبيت هذه الطريقة باستخدام يأمر.نقطة تثبيت pip langchain-groq السطر 3: ابدأ النموذج عبر دالة
ChatGroq
. مرر اسم النموذج الذي نختاره، وهوllama3-8b-8192
. يمكنك الاطلاع على معلومات النماذج من منصة Groq.السطر الخامس: توليد استجابة من النموذج باستخدام دالة
invoke
. في LangChain، تُنفّذ دالةinvoke
سلسلة أو مكونًا، وتُمرّر إدخال وتستقبل إخراج الناتج. قد يختلف إدخال باختلاف السلسلة أو المكون المُستدعى، ولكن الأنواع الشائعة تشمل السلاسل النصية، والقواميس، والقوائم. نُمرّر هنا سلسلة نصية.السطر 6: طباعة ...