LangChain : LLM avec modèles, invites et analyseurs

Nous explorerons le fonctionnement interne de LangChain, une bibliothèque Python utile qui rationalise le processus de travail avec les LLM. Vous serez en mesure de créer des applications intuitives, réutilisables et évolutives qui peuvent changer la façon dont vous interagissez avec les LLM.

Grands modèles de langage

Les grands modèles de langage (LLM) sont de très grands modèles d'apprentissage en profondeur pré-entraînés sur de grandes quantités de données. Le transformateur sous-jacent est un ensemble de réseaux neuronaux constitués d'un encodeur et d'un décodeur dotés de capacités d'auto-attention, lui permettant de comprendre et de générer un texte de type humain. Ces modèles servent de base sur laquelle nos applications sont construites. L'un de ces modèles qui a pris d'assaut le monde est GPT-3.5-turbo, un LLM développé par OpenAI.

LeChatOpenAILa classe agit comme une abstraction pratique, vous permettant d'interagir avec le modèle GPT-3.5-turbo via l'API OpenAI.

En définissant letempératureparamètre à0,0, nous demandons au modèle de générer des sorties déterministes, garantissant la cohérence entre plusieurs exécutions. Ceci est particulièrement utile lors de la création d’applications nécessitant des résultats fiables et reproductibles.

Instructions

Alors que les modèles fournissent l'intelligence sous-jacente, les invites jouent le rôle de conducteur, guidant le modèle de langage pour effectuer des tâches spécifiques ou générer les résultats souhaités. Les invites sont essentiellement les instructions que nous fourni...
[Courte citation de 8% de l'article original]