Si tienen curiosidad, el %%capture lo que hace es capturar (y suprimir) los outputs de la célula donde se llama, por eso no se muestran los logs del pip install.
Introducción a LangChain
Desarrollo de aplicaciones con LLM utilizando LangChain
Estructura y módulos de LangChain
Uso de modelos Open Source de Hugging Face
Uso de modelos de OpenAI API
Prompt templates de LangChain
Cadenas en LangChain
Utility chains
RetrievalQA chain
Foundational chains
Quiz: Introducción a LangChain
Casos de uso de LangChain
Casos de uso de LangChain
¿Cómo utilizar LangChain en mi equipo?
Quiz: Casos de uso de LangChain
Manejo de documentos con Ãndices
¿Cómo manejar documentos con Ãndices en LangChain?
La clase Document
Document Loaders: PDF
Document Loaders: CSV con Pandas DataFrames
Document Loaders: JSONL
Document Transformers: TextSplitters
Proyecto de Chatbot: configuración de entorno para LangChain y obtención de datos
Proyecto de Chatbot: creación de documents de Hugging Face
Quiz: Manejo de documentos con Ãndices
Embeddings y bases de datos vectoriales
Uso de embeddings y bases de datos vectoriales con LangChain
¿Cómo usar embeddings de OpenAI en LangChain?
¿Cómo usar embeddings de Hugging Face en LangChaing?
Chroma vector store en LangChain
Proyecto de Chatbot: ingesta de documents en Chroma
RetrievalQA: cadena para preguntar
Proyecto de Chatbot: cadena de conversación
Proyecto de Chatbot: RetrievalQA chain
Quiz: Embeddings y bases de datos vectoriales
Chats y memoria con LangChain
¿Para qué sirve la memoria en cadenas y chats?
Uso de modelos de chat con LangChain
Chat prompt templates
ConversationBufferMemory
ConversationBufferWindowMemory
ConversationSummaryMemory
ConversationSummaryBufferMemory
Entity memory
Proyecto de Chatbot: chat history con ConversationalRetrievalChain
Quiz: Chats y memoria con LangChain
Evolución del uso de LLM
LangChain y LLM en evolución constante
No tienes acceso a esta clase
¡Continúa aprendiendo! Únete y comienza a potenciar tu carrera
Si ya tienes una cuenta,
Uso de modelos de OpenAI API
4/37Recursos
Aportes 12
Preguntas 0
Ordenar por:
Esas clases ya están obsoletas, pueden hacer lo siguiente:
from langchain.prompts.chat import (
ChatPromptTemplate,
HumanMessagePromptTemplate,
SystemMessagePromptTemplate
)
from langchain.schema import HumanMessage, SystemMessage
from langchain_openai import ChatOpenAI
chat = ChatOpenAI(
model = "gpt-3.5-turbo",
temperature = 0)
messages = [
SystemMessage(
content = "You are a helpful assistant that answer questions."
),
HumanMessage(
content = "Cómo puedo lograr una clase más interactiva para estudiantes virtuales"
)
]
chat(messages)
Código con la documentación actual 12/04/2024. 😊
Documentación: https://python.langchain.com/docs/integrations/chat/openai/
from langchain_openai import ChatOpenAI
from langchain_core.prompts import ChatPromptTemplate
from langchain_core.messages import HumanMessage, SystemMessage
llm_gpt3_5 = ChatOpenAI(
model='gpt-3.5-turbo',
n=1,
temperature=0.3
)
prompt = ChatPromptTemplate.from_messages(
[
("system", "Eres un asistente que resuelve dudas de estudiantes"),
("human", "{input}")
]
)
chain = prompt | llm_gpt3_5
response = chain.invoke(
{
"input": input("Ingrese su pregunta: ")
}
)
response.content
Otra opción que nos ofrece OpenAI para contar los tokens es la siguiente herramienta online
Hola, alguien sabe cómo se hace hoy la parte de
llm\_gpt\_3\_5("Como puedo lograr una clase mas interactiva para estudiantes virtuales")
Al parecer cambio y ya la sintaxis usada en este curso no esta soportada, davinci tampoco pero se puede cambiar por
```js
from langchain.llms import OpenAI
#Davinci ya no existe más se debe cambiar por gpt-3.5-turbo.insturct
#https://platform.openai.com/docs/deprecations
llm_davinci = OpenAI(
model_name="gpt-3.5-turbo-instruct",
n=2,
temperature=0.3
)
```
Lo que termine haciendo para que funcionara bien fue leer la documentacion y seguir los pasos en un Colab nuevo:%%capture!pip install openai langchain langchain\_openai
<https://python.langchain.com/docs/integrations/llms/openai>
```python
%%capture
!pip install openai langchain langchain_openai
import langchain
from getpass import getpass
import os
OPENAI_API_KEY = getpass('Enter the secret value: ')
os.environ['OPENAI_API_KEY'] = OPENAI_API_KEY
from langchain.chains import LLMChain
from langchain.prompts import PromptTemplate
from langchain_openai import OpenAI
template = """Question: {question}
Answer: Let's think step by step."""
prompt = PromptTemplate.from_template(template)
llm = OpenAI()
llm_chain = LLMChain(prompt=prompt, llm=llm)
question = "What NFL team won the Super Bowl in the year Justin Beiber was born?"
llm_chain.run(question)
```
De esta manera si me funciono.
Una semana dandole lora, pero logre hacer un QAChain con Hugging Face en vez de OpenAI dejo el link: https://colab.research.google.com/drive/1FWGeLpxmj0p-8EJuzJKaBdsky_fyvI-R?usp=sharing
Van a actualizar el curso??
Por favor actualizar los vÃdeos, muchas clases y librerÃas deprecadas
Existe alguna alternativa para ejecutar LangChain sin tener que utilizar Colab?
Si es asÃ, qué requisitos se requieren?
Ejemplo de uso en su documentación, al dÃa de hoy:
https://python.langchain.com/docs/integrations/chat/openai/
ojo, puede cambiar.
Modelos OpenAI con SDK
.
Empleando TypeScript
.
📦 Dependencias y configuración
Instalando herramientas de langchain:
pnpm i langchain
Configuración de SDK de langchain para OpenAI:
import { OpenAI } from 'langchain/llms/openai'
const llm = new OpenAI({
maxTokens: -1,
modelName: 'gpt-4',
temperature: 0,
openAIApiKey: API_TOKEN,
})
console.log(await llm.predict('Tell me a funny joke about Disney'))
Al efectuar el archivo:
Why don't Disney characters ever play hide and seek?
Because good luck hiding when your theme song is playing!
¿Quieres ver más aportes, preguntas y respuestas de la comunidad?