LangChain Crash Course - Build apps with language models

आप क्या सीखेंगे

• लैंगचेन का उपयोग करके बड़े भाषा मॉडल्स के साथ ऐप्स विकसित करने का तरीका
• लैंगचेन में प्रॉम्प्ट टेम्पलेट्स का उपयोग और उन्हें कैसे बनाया जाए
• लैंगचेन में एजेंट्स और टूल्स का उपयोग करके जटिल प्रश्नों और कार्यों को हल करने का तरीका

मुख्य अवधारणाएं

लैंगचेन एक फ्रेमवर्क है जो बड़े भाषा मॉडल्स के साथ ऐप्स विकसित करने के लिए उपयोग किया जाता है। इसके मुख्य घटकों में शामिल हैं:

• मॉडल्स: लैंगचेन में विभिन्न मॉडल्स का उपयोग किया जा सकता है, जैसे कि ओपनएआई, कोहेरे, और हगिंग फेस।
• प्रॉम्प्ट्स: लैंगचेन में प्रॉम्प्ट टेम्पलेट्स का उपयोग करके प्रश्नों और उत्तरों को प्रबंधित और अनुकूलित किया जा सकता है।
• एजेंट्स और टूल्स: लैंगचेन में एजेंट्स और टूल्स का उपयोग करके जटिल प्रश्नों और कार्यों को हल किया जा सकता है।

कोड उदाहरण

from langchain import PromptTemplate
template = PromptTemplate(input_variables=["question"], template="question: {question}")

यह कोड एक प्रॉम्प्ट टेम्पलेट बनाता है जिसमें एक प्रश्न वेरिएबल होता है।

from langchain import LLMChain
chain = LLMChain(llm=llm, prompt=prompt_template)

यह कोड एक एलएलएम चेन बनाता है जिसमें एक मॉडल और एक प्रॉम्प्ट टेम्पलेट होता है।

from langchain import initialize_agent
agent = initialize_agent(tools=["विकिपीडिया"], llm=llm, agent_type="zero-shot-react-description")

यह कोड एक एजेंट बनाता है जो विकिपीडिया टूल का उपयोग करके जटिल प्रश्नों को हल करता है।

पाठ सारांश

इस पाठ में, हमने लैंगचेन का उपयोग करके बड़े भाषा मॉडल्स के साथ ऐप्स विकसित करने का तरीका सीखा। हमने प्रॉम्प्ट टेम्पलेट्स का उपयोग और उन्हें कैसे बनाया जाए, इसके बारे में जाना। हमने यह भी सीखा कि लैंगचेन में एजेंट्स और टूल्स का उपयोग करके जटिल प्रश्नों और कार्यों को हल कैसे किया जाए। हमने विभिन्न कोड उदाहरणों का उपयोग करके इन अवधारणाओं को व्यावहारिक रूप से लागू किया।

अभ्यास अभ्यास

एक प्रॉम्प्ट टेम्पलेट बनाएं जो एक प्रश्न वेरिएबल का उपयोग करता है और एक मॉडल का उपयोग करके इसका उत्तर देने का प्रयास करें।

आगे क्या है

अब आप लैंगचेन का उपयोग करके बड़े भाषा मॉडल्स के साथ ऐप्स विकसित करने के लिए तैयार हैं। अगले पाठ में, हम लैंगचेन में डॉक्यूमेंट लोडर्स और इंडाइस का उपयोग करके अपने डेटा को मॉडल्स में कैसे लोड करें, इसके बारे में सीखेंगे।