概要

大規模言語モデルは世界を席巻しました。 のエントリーにより、 AI言語モデルを活用してコードのデバッグからデータの異常検出まで、、GPT3、Bard、およびその他の大規模言語モデルを使用する開発者は、これらのモデルを常に使用して新しい製品ソリューションを作成しています。 新しい大規模言語モデルまたは既存の LLM の新しいバージョンが毎日登場します。 これらの新しいバージョンや新しいモデルに追いつくには、そのような大規模言語モデルごとにドキュメントを調べなければならないため、問題が生じる可能性があります。 LangChain は、さまざまな LLM をすべてラップするライブラリであり、作業を簡単にします。 さらに、LangChain に基づく UI である LangFlow が導入され、アプリケーションを直接操作して作成できるようになり、状況が大幅に改善されました。

学習目標

• LangFlow UIを理解するには
• LangFlow をインストールして操作するには
• LangFlow の内部動作を学ぶには
• LangFlow を使用してアプリケーションを作成する
• LangFlowで作成したアプリケーションを共有する

この記事は、の一部として公開されました データサイエンスブログ。

LangFlow とは何ですか? なぜ LangFlow を使うのか?

LangFlow は、以下に基づいたグラフィカル UI です。 Python パッケージ LangChain は、react-flow で設計されています。 LangChain は、大規模言語モデルを使用してアプリケーションを作成するために機能する Python パッケージです。 これは、エージェント、LLM、チェーン、メモリ、プロンプトなどのさまざまなコンポーネントで構成されます。 開発者はこれらのブロックを連結してアプリケーションを作成します。 LangChain には、ほとんどすべての人気のある大規模言語モデルのラッパーが含まれています。 LangChain を使用するには、アプリケーションを作成するコードを記述する必要があります。 コードの作成には時間がかかり、エラーが発生しやすくなる場合もあります。

ここに LangFlow が適しています。LangFlow は、LangChain に基づいたグラフィカル UI です。 これには、LangChain に付属するすべてのコンポーネントが含まれています。 LangFlow にはドラッグ アンド ドロップ機能があり、コンポーネントを画面上にドラッグして、大規模言語モデルからアプリケーションの構築を開始できます。 誰でも始められる豊富な例も含まれています。 この記事では、この UI について説明し、それを使用してアプリケーションを構築する方法を見ていきます。

Langflow を始めましょう

ここまで、LangFlow とは何か、そしてそれがどのように組み込まれるのかを見てきました。機能をより深く理解するために、LangFlow について詳しく見ていきましょう。 LangFlow UI は Javascript と Python の両方で使用できます。 そこから XNUMX つ取り出して作業を始めることができます。 Python バージョンの場合は、システムに Python と LangChain ライブラリが必要です。

LangFlow を使用するには、以下のパッケージが必要です。

pip install langchain
pip install langflow

上記により、Langflow パッケージと LangChain パッケージがインストールされます。 ここで UI を起動するには、次のコマンドを使用します。

python -m langflow (or) langflow

これで、LangFlow UI が起動して実行されます。 これは、ローカル ホストのポート番号 7860 で実行されています。この方法で、LangFlow をインストールして操作を開始できます。

LangFlow、つまり LogSpace AI の作成者は、LangFlow を HuggingFace Web サイトに直接展開しました。 クリックできます こちら HuggingFace の Web サイトにアクセスするか、Google で検索してください。 以下のようになりますので、「新しいプロジェクト」をクリックします。

「新しいプロジェクトの作成」をクリックすると、LangFlow UI が表示されます。

ここの空白部分は、コンポーネントをドラッグしてアプリケーションを作成する場所です。 そして、コンプは左側に表示されます (エージェント、チェーン、ローダーなど)。 したがって、[コンプ] をクリックすると、さまざまなタイプが表示され、その中から XNUMX つを選択して空白にドラッグします。 空白のスペースで、さまざまなコンプを組み合わせてアプリケーション全体を構成します。

LangFlow UI を理解する

このセクションでは、LangFlow の UI、それを表す要素、および UI がどのように機能するかを簡単に理解して、LangFlow を使用して大規模な言語アプリケーションを迅速に構築する方法をより深く理解します。

上の写真では、LangFlow UI の右上セクションが表示されます。 アイコンの意味は理解できます。 XNUMX 番目のアイコンはエクスポート オプションを表します。 したがって、LangFlow を通じてアプリケーションを構築し、それをローカル マシンにダウンロードしたいと考えます。 次に、アプリケーション構成を JSON ファイルに変換することでこれを行うことができます。 [エクスポート] オプションをクリックすると、アプリケーションの情報が含まれる JSON ファイルをダウンロードできます。 これで、友人が同じアプリケーションを構築したい場合は、最初のオプションである [インポート] をクリックするだけで、JSON ファイルを友人に渡すことができます。

XNUMX 番目のオプションでは、アプリケーションを Python コードに変換します。これにより、アプリケーションを使用するたびに LangFlow Web サイトにアクセスする代わりに、ローカル システムで直接作業できるようになります。

LangChain には、多くの大規模言語モデルのラッパーがあります。 各大規模言語モデルには、使用するための API があります。 したがって、LangFlow で LLM を操作しようとすると、上で見られる API キーを追加するオプションが提供されます。 それに加えて、使用したい大規模言語モデルのタイプを選択するオプションもあります。

LangFlow を使用したシンプルなチャット アプリケーションの構築

このセクションでは、LangFlow UI で動作する単純なチャットボット アプリケーションを作成します。 このアプリケーションには OpenAI Large Language Model の操作が含まれるため、このアプリケーションを操作するには Open API キーが必要です。 今回作成するアプリケーションは、ユーザーの質問におもしろく答えるチャットボットです。

したがって、これから作成するアプリケーションには、ラージ言語モデル、プロンプト テンプレート、およびそれらを接続する LLM チェーンの 3 つの要素が含まれます。 まず、LangChain の OpenAI ラッパーを UI の点線のセクションにドラッグすることから始めましょう。

OpenAI 大規模言語モデル ラッパー

Open AI Large Language Model ラッパーは、LangFlow の LLM セクションにあります。 それを白い部分にドラッグできます。 ここで、作業したいモデルのタイプを選択します。 とりあえずDavinciモードにしてみます。 そして、温度、つまりモデルがどの程度創造的であるべきかは 0.7 に設定され、最大トークンは 256 に設定されます。 [Open API Key] フィールドでは、Open API Key を指定する必要があり、その下のフィールドは空白のままにすることができます。

この図から、プロンプト テンプレートを白いセクションにドラッグしたことがわかります。 ここで開発しているアプリケーションは面白い応答を返す単純なボットなので、それに応じて Prompt テンプレートを作成する必要があります。

プロンプトテンプレート

You are an AI bot that responds to each query given by the Human in a funny way. Human: {query} AI:

次に、最後の要素である Chain 要素に移ります。 LLM チェーンは、OpenAI ラージ言語モデルとプロンプト テンプレートを結合したものです。 LLMChain が UI の左側の Chains セクションにあることがわかります。 ついに、すべてを連鎖させます。

上の写真のように、プロンプト テンプレートを LLMChain のプロンプトに接続し、OpenAI 側を LLMChain の LLM 側に接続します。

ここでアプリケーションをテストします。 アプリケーションを実行するには、UI の右下部分にある Thunderbolt アイコンをクリックします。 OpenAI キーが有効な場合、各要素の上部、要素名の近くに緑色の点が表示され (初期は黄色)、Thunderbolt アイコンの下に青いチャット アイコンが表示されます。 青いチャットアイコンをクリックします。

クリックすると、チャット ウィンドウが開き、チャットすることができます。 これで、UI に指定した大規模言語モデルとチャットできるようになりました。 ボットに「調子はどうですか？」と尋ねてみましょう。このためには、ボットは面白おかしく応答する必要があります。

ボットが実際にプロンプ​​ト テンプレートに従って面白い反応を示していることがわかります。 JSON にエクスポートするだけで誰とでも共有できます。 これは、LangFlow と LangChain で実現できるサンプル ユース ケースの XNUMX つにすぎません。

まとめ

LangFlow UI は、大規模言語モデルを使用してアプリケーションを作成するために広範囲に連携するパッケージである Python の LangChain フレームワーク上に構築されています。 UI のコンポーネントについて説明し、UI を使用してモデルを構築し、それを JSON ファイルにエクスポートして他の人と共有する方法について説明しました。 この UI を使用すると、ハイエンド アプリケーションを作成する可能性は無限大です。

主要な取り組み

• LangFlow は、LLM を使用してアプリケーションを構築するための簡単なドラッグ アンド ドロップ機能を提供します
• LangFlow UI は Python と JavaScript の両方で使用できます
• この UI を使用すると、ユーザーはアプリケーションを JSON ファイルに変換できるため、共有が容易になります。
• LangFlow には Python パッケージも付属しており、ユーザーは JSON ファイルへのパスを指定することで、LangFlow に組み込まれたアプリケーションをインストールして実行できます。
• LangFlow を使用すると、開発者以外でも大規模言語モデルを使用してアプリケーションを簡単に構築できます

よくある質問

この記事に示されているメディアは Analytics Vidhya が所有するものではなく、著者の裁量で使用されています。

関連記事

• SEO を活用したコンテンツと PR 配信。 今日増幅されます。
• PlatoData.Network 垂直生成 Ai。 自分自身に力を与えましょう。 こちらからアクセスしてください。
• プラトアイストリーム。 Web3 インテリジェンス。 知識増幅。 こちらからアクセスしてください。
• プラトンESG。 自動車/EV、 カーボン、 クリーンテック、 エネルギー、 環境、 太陽、 廃棄物管理。 こちらからアクセスしてください。
• ブロックオフセット。 環境オフセット所有権の近代化。 こちらからアクセスしてください。
• 情報源： https://www.analyticsvidhya.com/blog/2023/06/langflow-ui-for-langchain-to-develop-applications-with-llms/