?
LangChain是大型語言模型(LLM)的應(yīng)用框架,LangChain可以直接與 OpenAI 的 text-davinci-003、gpt-3.5-turbo 模型以及 Hugging Face 的各種開源語言模如 Google 的 flan-t5等模型集成。通過使用LangChain可以開發(fā)出更為強(qiáng)大和高效的LLM的各種應(yīng)用。
今天我們就來實(shí)現(xiàn)一個(gè)神奇的功能,如何你是一個(gè)不會(huì)編程的小白，那么只要你借助LangChain和ChatGPT,你也能成為一個(gè)優(yōu)秀的數(shù)據(jù)分析師和預(yù)測(cè)專家。
我們要實(shí)現(xiàn)的功能是,讓LangChain集成Openai的語言模型如"text-davinci-003",然后創(chuàng)建一個(gè)代理(agent),最后我們通過語言指令,一步一步讓agent完成數(shù)據(jù)的統(tǒng)計(jì)分析以及時(shí)間序列的預(yù)測(cè)，正個(gè)過程而無需python代碼。
查看蘋果公司的股票數(shù)據(jù)
我們從雅虎網(wǎng)站上下載了蘋果公司的股票價(jià)格數(shù)據(jù)，數(shù)據(jù)中的ds為日期，Close為當(dāng)日的收盤價(jià)
import pandas as pd
import datetime
import os
#加載蘋果公司的股票數(shù)據(jù)
df = pd.read_csv('./data/appl.csv')
df
定義Openai語言模型LLM,和代理agent?
這里我們要定義一個(gè)openai的語言模型"text-davinci-003"的實(shí)例,然后再創(chuàng)建一個(gè)代理(agent)。代理就是幫我們做事情的小助手,我們只需要對(duì)其發(fā)號(hào)施令就可以了。
from langchain.agents import create_csv_agent
from langchain.llms import OpenAI,OpenAIChat
#你申請(qǐng)的openai的api_key
os.environ["OPENAI_API_KEY"] = "xxxxxxxxxx"
#定義openai的語言模型llm
llm=OpenAI(model_name="text-davinci-003",temperature=0)
#創(chuàng)建一個(gè)csv代理
agent = create_csv_agent(llm=llm,#語言模型
path = './data/appl.csv', #數(shù)據(jù)路徑
verbose=False)使用語言指令來進(jìn)行數(shù)據(jù)分析
我們可以通過agent.run方法，來輸入語言指令，agent就會(huì)根據(jù)語言指令做相關(guān)的操作,并將最終結(jié)果展示出來：
?
?
#調(diào)整橫坐標(biāo)格式,讓其更加美觀
agent.run('請(qǐng)畫一下數(shù)據(jù)的趨勢(shì)圖,橫坐標(biāo)為ds,橫坐標(biāo)的label旋轉(zhuǎn)30度')
action = '請(qǐng)畫一下數(shù)據(jù)的趨勢(shì)圖,并在趨勢(shì)圖上疊加一個(gè)30天移動(dòng)平均線,\
橫坐標(biāo)為ds,橫坐標(biāo)的label旋轉(zhuǎn)30度'
agent.run(action)
?
?詳細(xì)查看agent的執(zhí)行過程
如果你想查看agent的執(zhí)行過程的細(xì)節(jié)，那只需要在創(chuàng)建agent時(shí)，將verbose參數(shù)設(shè)置為True，即可。
agent = create_csv_agent(llm=OpenAI(temperature=0),
path='./data/appl.csv',
verbose=True)
agent.run('數(shù)據(jù)一共有多少行？')
??
action='請(qǐng)畫一下數(shù)據(jù)的趨勢(shì)圖,并在趨勢(shì)圖上疊加一個(gè)30天移動(dòng)平均線,\
橫坐標(biāo)為ds,橫坐標(biāo)的label旋轉(zhuǎn)30度'
agent.run(action)
?
action='請(qǐng)用prophet包預(yù)測(cè)一下未來7天每一天的Close值，\
不是fbprophet，并注明每一天的日期'
agent.run(action)
?
文章來源：http://www.zghlxwxcb.cn/news/detail-436148.html
?總結(jié)
今天我們學(xué)習(xí)了LangChain的agent功能，它可以通過語言指令的方式執(zhí)行各種數(shù)據(jù)分析、匯總、統(tǒng)計(jì)以及預(yù)測(cè)等功能，如果你是一個(gè)不會(huì)編程的小白，那可以嘗試一下agent。文章來源地址http://www.zghlxwxcb.cn/news/detail-436148.html
到了這里，關(guān)于LangChain與大型語言模型(LLMs)應(yīng)用基礎(chǔ)教程:神奇的Agent的文章就介紹完了。如果您還想了解更多內(nèi)容，請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！
