LangChain සමඟ බුද්ධිමත් නියෝජිතයන් ගොඩනැගීම: සැබෑ ලෝකයේ යෙදුම් සඳහා LLMs සංවිධානය කිරීම

හැඳින්වීම

Large Language Models (LLMs) පැමිණීම ස්වභාවික භාෂා සැකසුම් (NLP) ක්ෂේත්‍රයේ විප්ලවීය වෙනසක් සිදු කර ඇති අතර මානව භාෂාව තේරුම් ගැනීමට, උත්පාදනය කිරීමට සහ අන්තර් ක්‍රියා කිරීමට හැකි බුද්ධිමත් නියෝජිතයන් වර්ධනය කිරීම සඳහා නව මංපෙත් විවර කර ඇත. LangChain යනු LLMs උත්තේජනය කරන බුද්ධිමත් නියෝජිතයන් ගොඩනැගීම සඳහා නම්‍යශීලී සහ පරිමාණය කළ හැකි රාමුවක් සපයන පයිතන් පුස්තකාලයකි. මෙම ලිපියෙන්, අපි බුද්ධිමත් නියෝජිතයන් සංවර්ධනය කිරීම සඳහා LangChain ඒකාබද්ධ කිරීම, ප්‍රායෝගික ක්‍රියාත්මක කිරීමේ උපාය මාර්ග, වාද්‍ය වෘන්ද ශිල්පීය ක්‍රම සහ මෘදුකාංග ඉංජිනේරු විද්‍යාවේ භාවිත අවස්ථා පිළිබඳව අවධානය යොමු කරමු.

බුද්ධිමත් නියෝජිතයන් යනු කුමක්ද?

බුද්ධිමත් නියෝජිතයන් යනු ඔවුන්ගේ පරිසරය වටහා ගත හැකි, ඔවුන්ට ලැබෙන තොරතුරු ගැන තර්ක කළ හැකි සහ ඔවුන්ගේ අරමුණු සාක්ෂාත් කර ගැනීමට ක්‍රියා කළ හැකි මෘදුකාංග වැඩසටහන් වේ. ඔවුන් නිශ්චිත අරමුණක් සාක්ෂාත් කර ගැනීම සඳහා පරිශීලකයන්, වෙනත් නියෝජිතයන් හෝ පද්ධති සමඟ අන්තර් ක්‍රියා කළ හැකි ස්වාධීන තීරණ ගන්නන් ලෙස සැලකිය හැකිය. බුද්ධිමත් නියෝජිතයන් විවිධ වර්ගවලට වර්ග කළ හැක, ඒවා අතර:

නීති මත පදනම් වූ නියෝජිතයන්: මෙම නියෝජිතයන් තීරණ ගැනීම සඳහා පූර්ව-නිශ්චිත නීති භාවිතා කරයි.
යන්ත්‍ර ඉගෙනුම් නියෝජිතයන්: මෙම නියෝජිතයන් දත්ත වලින් ඉගෙන ගැනීමට සහ තීරණ ගැනීමට යන්ත්‍ර ඉගෙනුම් ඇල්ගොරිතම භාවිතා කරයි.
දෙමුහුන් නියෝජිතයන්: මෙම නියෝජිතයන් තීරණ ගැනීම සඳහා රීති මත පදනම් වූ සහ යන්ත්‍ර ඉගෙනීමේ ප්‍රවේශයන් ඒකාබද්ධ කරයි.

LangChain යනු කුමක්ද?

LangChain යනු LLMs උත්තේජනය කරන බුද්ධිමත් නියෝජිතයන් ගොඩනැගීම සඳහා නම්‍යශීලී සහ පරිමාණය කළ හැකි රාමුවක් සපයන පයිතන් පුස්තකාලයකි. එය සංවර්ධකයින්ට LLM නිර්මාණය කිරීමට, පුහුණු කිරීමට සහ යෙදවීමට මෙන්ම අනෙකුත් AI මාදිලි සහ පද්ධති සමඟ ඒවා ඒකාබද්ධ කිරීමට ඉඩ සලසයි. LangChain විශේෂාංග පරාසයක් සපයයි, ඇතුළුව:

LLM ඒකාබද්ධ කිරීම: LangChain වෙනත් AI මාදිලි සහ පද්ධති සමඟ LLMs ඒකාබද්ධ කිරීමට සරල සහ කාර්යක්ෂම ක්‍රමයක් සපයයි.
Orchestration: LangChain කාර්ය කළමනාකරණය, කාර්ය ප්‍රවාහ කළමනාකරණය සහ දත්ත කළමනාකරණය ඇතුළුව වාද්‍ය වෘන්ද ක්‍රම මාලාවක් සපයයි.
** පරිමාණය**: LangChain විශාල දත්ත කට්ටල සහ සංකීර්ණ කාර්ය ප්‍රවාහ සමඟ පරිමාණය කිරීමට නිර්මාණය කර ඇත.

ප්‍රායෝගික ක්‍රියාත්මක කිරීමේ උපාය මාර්ග

LangChain සමඟ බුද්ධිමත් නියෝජිතයන් ගොඩනැගීමට, ඔබ මෙම ප්‍රායෝගික ක්‍රියාත්මක කිරීමේ උපාය මාර්ග අනුගමනය කළ යුතුය:

LLM එකක් තෝරන්න: භාෂාව, ප්‍රමාණය සහ සංකීර්ණත්වය වැනි ඔබේ අවශ්‍යතා සපුරාලන LLM එකක් තෝරන්න.
දත්ත සකස් කරන්න: ඔබේ භාවිත අවස්ථාවට අදාළ සහ LLM පුහුණු කිරීම සඳහා සුදුසු දත්ත කට්ටලයක් සකස් කරන්න.
LLM පුහුණු කරන්න: සකස් කළ දත්ත කට්ටලය සහ LangChain හි පුහුණු API භාවිතයෙන් LLM පුහුණු කරන්න.
අනෙකුත් AI මාදිලි සමඟ ඒකාබද්ධ කරන්න: LangChain's integration API භාවිතයෙන් පුහුණු කරන ලද LLM වෙනත් AI මාදිලි සහ පද්ධති සමඟ ඒකාබද්ධ කරන්න.
Orchestrate කාර්ය: කාර්යයන්, කාර්ය ප්‍රවාහ සහ දත්ත කළමනාකරණය කිරීමට LangChain හි වාද්‍ය වෘන්ද API භාවිතා කරන්න.

** වාදන ශිල්පීය ක්‍රම**

LangChain විසින් කාර්යයන්, කාර්ය ප්‍රවාහ සහ දත්ත කළමනාකරණය කිරීමට භාවිතා කළ හැකි වාද්‍ය වෘන්ද ක්‍රම මාලාවක් සපයයි. සමහර ප්‍රධාන වාද්‍ය වෘන්ද ශිල්පීය ක්‍රමවලට ඇතුළත් වන්නේ:

කාර්ය කළමනාකරණය: LangChain සංවර්ධකයින්ට කාර්යයන් නිර්මාණය කිරීමට, කළමනාකරණය කිරීමට සහ ක්‍රියාත්මක කිරීමට ඉඩ සලසන කාර්ය කළමනාකරණ API සපයයි.
Workflow management: LangChain මඟින් සංවර්ධකයින්ට කාර්ය ප්‍රවාහයන් නිර්මාණය කිරීමට, කළමනාකරණය කිරීමට සහ ක්‍රියාත්මක කිරීමට ඉඩ සලසන කාර්ය ප්‍රවාහ කළමනාකරණ API සපයයි.
දත්ත කළමනාකරණය: LangChain සංවර්ධකයින්ට දත්ත කළමනාකරණය කිරීමට සහ හැසිරවීමට ඉඩ දෙන දත්ත කළමනාකරණ API සපයයි.

මෘදුකාංග ඉංජිනේරු විද්‍යාවේ අවස්ථා භාවිතා කරන්න

LangChain විවිධ මෘදුකාංග ඉංජිනේරු භාවිත අවස්ථා වලදී භාවිතා කළ හැක, ඇතුළුව:

Chatbots: LangChain මිනිස් භාෂාව තේරුම් ගැනීමට, උත්පාදනය කිරීමට සහ අන්තර්ක්‍රියා කිරීමට හැකි chatbots තැනීමට භාවිතා කළ හැක.
අථත්‍ය සහායක: කාර්යයන් ඉටු කිරීමට, ප්‍රශ්නවලට පිළිතුරු දීමට සහ තොරතුරු සැපයීමට හැකි අතථ්‍ය සහායකයින් තැනීමට LangChain භාවිතා කළ හැක.
අන්තර්ගත උත්පාදනය: ලිපි, බ්ලොග් සටහන් සහ සමාජ මාධ්‍ය පළ කිරීම් වැනි අන්තර්ගත උත්පාදනය කිරීමට LangChain භාවිතා කළ හැක.

ඉහළම 5-10 වැඩිපුරම භාවිතා කරන ලද විධාන/Snippets

LangChain සඳහා වැඩිපුරම භාවිතා කරන ලද විධාන/snippets 5-10 මෙන්න:

LangChain ආනයනය කිරීම: langchain ආනයනය කරන්න
LLM නිර්මාණය කිරීම: llm = langchain.LLM("my_llm")
LLM එකක් පුහුණු කිරීම: llm.train(data)
අනෙකුත් AI මාදිලි සමඟ ඒකාබද්ධ වීම: ai_model = langchain.AIModel("my_ai_model")
සංවිධානය කිරීමේ කාර්යයන්: task = langchain.Task("my_task")
** කාර්ය ප්‍රවාහ කළමනාකරණය කිරීම**: workflow = langchain.Workflow("my_workflow")
දත්ත කළමනාකරණය: data = langchain.Data("my_data")
chatbot එකක් නිර්මාණය කිරීම: chatbot = langchain.Chatbot("my_chatbot")
අථත්‍ය සහායකයකු නිර්මාණය කිරීම: virtual_assistant = langchain.VirtualAssistant("my_virtual_assistant")
අන්තර්ගතය උත්පාදනය කිරීම: content = langchain.ContentGenerator("my_content_generator")

දෘෂ්‍යකරණය

Chart.js භාවිතයෙන් LangChain ගෘහ නිර්මාණ ශිල්පයේ දෘශ්‍යකරණයක් මෙන්න: '''' ජේසන් { "වර්ගය": "බාර්", "දත්ත": { "ලේබල්": ["LLM", "Orchestration", "Integration", "Task Management", "Workflow Management", "Data Management"], "දත්ත කට්ටල": [ { "label": "LangChain ගෘහ නිර්මාණ ශිල්පය", "දත්ත": [10, 8, 6, 4, 2, 1], "backgroundColor": ["#4CAF50", "#FF9800", "#2196F3", "#8BC34A", "#03A9F4", "#FFC107"] } ] }, "විකල්ප": { "මාතෘකාව": { "දර්ශණය": ඇත්ත, "පෙළ": "LangChain ගෘහ නිර්මාණ ශිල්පය" }, "පුරාවෘත්තය": { "දර්ශණය": ඇත්ත } } }

මෙම දෘශ්‍යකරණය LLM, වාද්‍ය වෘන්දය, ඒකාබද්ධ කිරීම, කාර්ය කළමනාකරණය, කාර්ය ප්‍රවාහ කළමනාකරණය සහ දත්ත කළමනාකරණය ඇතුළුව LangChain ගෘහ නිර්මාණ ශිල්පයේ විවිධ සංරචක පෙන්වයි.

** නිගමනය **

LangChain යනු LLMs උත්තේජනය කරන බුද්ධිමත් නියෝජිතයන් ගොඩනැගීම සඳහා නම්‍යශීලී සහ පරිමාණය කළ හැකි රාමුවක් සපයන ප්‍රබල පුස්තකාලයකි. මෙම ලිපියේ දක්වා ඇති ප්‍රායෝගික ක්‍රියාත්මක කිරීමේ උපාය මාර්ග සහ වාදක ශිල්පීය ක්‍රම අනුගමනය කිරීමෙන්, සංවර්ධකයින්ට මානව භාෂාව තේරුම් ගැනීමට, ජනනය කිරීමට සහ අන්තර් ක්‍රියා කිරීමට හැකි බුද්ධිමත් නියෝජිතයන් ගොඩනගා ගත හැකිය. මෘදුකාංග ඉංජිනේරු විද්‍යාවේ භාවිත අවස්ථා chatbots සහ virtual Assistants සිට අන්තර්ගත උත්පාදනය සහ තවත් බොහෝ යෙදුම්වල LangChain හි විභවයන් පෙන්නුම් කරයි. LangChain සමඟින්, සංවර්ධකයින්ට සංකීර්ණ කාර්යයන් ඉටු කළ හැකි සහ පරිශීලකයින්ට වටිනාකමක් ලබා දිය හැකි බුද්ධිමත් නියෝජිතයන් නිර්මාණය කළ හැකිය.

**කේත වාරණ**

LangChain භාවිතයෙන් chatbot එකක් සාදා ගන්නා ආකාරය පෙන්වන සරල කේත බ්ලොක් එකක් මෙන්න:
``` පිඹුරා
langchain ආනයනය කරන්න

llm = langchain.LLM("my_llm")

# චැට්බෝට් එකක් සාදන්න
chatbot = langchain.Chatbot(llm)

# කාර්යයක් නිර්වචනය කරන්න
කාර්යය = langchain.Task("my_task")

# කාර්යය ක්‍රියාත්මක කරන්න
ප්රතිඵලය = chatbot.execute(කාර්යය)

# ප්රතිඵලය මුද්රණය කරන්න
මුද්‍රණය (ප්‍රතිඵලය)

මෙම කේත අවහිරය LLM, chatbot සහ කාර්යයක් නිර්මාණය කරයි, පසුව chatbot භාවිතයෙන් කාර්යය ක්‍රියාත්මක කරයි. ප්රතිඵලය කොන්සෝලය වෙත මුද්රණය කර ඇත.

Rust and Go කේතය

LangChain විසින් Rust සහ Go බන්ධන ද සපයයි, මෙම භාෂාවලින් බුද්ධිමත් නියෝජිතයන් ගොඩනැගීමට භාවිතා කළ හැක. LangChain භාවිතයෙන් chatbot එකක් සාදා ගන්නා ආකාරය පෙන්වන සරල Rust code block එකක උදාහරණයක් මෙන්න: '''' මලකඩ langchain භාවිතා කරන්න::{LLM, Chatbot};

fn ප්රධාන() { // LLM එකක් සාදන්න llm = LLM::new("my_llm");

// චැට්බෝට් එකක් සාදන්න
chatbot = Chatbot::new(llm);

// කාර්යයක් නිර්වචනය කරන්න
කාර්යයට ඉඩ දෙන්න = කාර්යය::නව("my_task");

// කාර්යය ක්රියාත්මක කරන්න
ප්රතිඵලය ඉඩ දෙන්න = chatbot.execute(task);

// ප්රතිඵලය මුද්රණය කරන්න
println!("{}", ප්‍රතිඵලය);

}

LangChain භාවිතයෙන් chatbot එකක් සාදා ගන්නා ආකාරය පෙන්වන සරල Go code block එකක උදාහරණයක් මෙන්න:
``` යන්න
ප්රධාන පැකේජය

ආනයනය (
	"fmt"
	"github.com/langchain/langchain-go"
)

func main() {
	// LLM එකක් සාදන්න
	llm := langchain.NewLLM("my_llm")

	// චැට්බෝට් එකක් සාදන්න
	chatbot := langchain.NewChatbot(llm)

	// කාර්යයක් නිර්වචනය කරන්න
	කාර්යය := langchain.NewTask("my_task")

	// කාර්යය ක්රියාත්මක කරන්න
	ප්‍රතිඵලය := chatbot.Execute(task)

	// ප්රතිඵලය මුද්රණය කරන්න
	fmt.Println(ප්‍රතිඵලය)
}

මෙම කේත බ්ලොක් මගින් Rust and Go හි LangChain භාවිතයෙන් chatbot එකක් සාදන ආකාරය පෙන්නුම් කරයි.

LangChain සමඟ බුද්ධිමත් නියෝජිතයන් ගොඩනැගීම: සැබෑ ලෝකයේ යෙදුම් සඳහා LLMs සංවිධානය කිරීම

Have Questions?