نویسنده(های): پره مارترا
در ابتدا منتشر شد به سمت هوش مصنوعی.
بیاموزید که چگونه یک عامل ReAct با سیستم RAG با استفاده از LangChain، ChromaDB، و OpenAI با رابط کاربر پسند Gradio بسازید.
این داستان فقط برای اعضا در اختیار ماست. برای دسترسی به تمام Medium ارتقا دهید.
این مقاله بر اساس محتوای کتاب من «پروژه‌های مدل‌های زبان بزرگ: اعمال و اجرای استراتژی‌ها برای مدل‌های زبان بزرگ» (Apress) و یک دوره رایگان GitHub در مورد LLM است.
همانطور که قبلاً در پاراگراف قبلی خواندید، این مقاله بخشی از یک دوره آموزشی Large Language Model است که در آن مفاهیم به تدریج معرفی می شوند. در اینجا، خواهیم دید که چگونه فن آوری هایی را که تاکنون پوشش داده ایم برای ایجاد یک پروژه کوچک ترکیب کنیم.
اگر هر یک از مقالات من را خوانده باشید، می دانید که رویکرد آنها بسیار کاربردی است و همانطور که انتظار می رود، همراه با یک دفترچه یادداشت موجود در مخزن دوره است. لینک زیر را خواهید یافت:
دوره عملی در مورد مدل های زبان بزرگ. . مشارکت در دوره آموزشی peremartra/Large-Language-Model-Notebooks…
github.com
توصیه من این است که هنگام خواندن مقاله نوت بوک را باز کنید و پس از پایان کار نسخه خود را ایجاد کنید.
خواهید دید که چگونه می توانید به LangChain توانایی استفاده از اطلاعات یک پایگاه داده برای تغذیه اعلان را بدهید و همچنین خواهید دید که چگونه حافظه در مکالمات با این عوامل حفظ می شود.
عاملی که می خواهید بسازید از نوع ReAct است که مخفف Reasoning + Acting است.
این به این معنی است که عامل برای انجام… وبلاگ کامل را به صورت رایگان در Medium بخوانید.
منتشر شده از طریق به سمت هوش مصنوعی
منبع: https://towardsai.net/p/machine-learning/how-to-create-a-medical-agent-rag-system