## Bases & syntaxe
### Créer un LangChain
```python
from langchain import LangChain
lc = LangChain()
Crée une nouvelle instance de LangChain pour commencer.
Configurer des paramètres
lc.configure(api_key='your_api_key')
Configure les paramètres nécessaires avant d'utiliser le LangChain.
Structures de données
Créer un modèle de langage
model = lc.load_model('gpt-3.5-turbo')
Charge un modèle de langage pré-entraîné pour générer du texte.
Préparer des entrées
inputs = ["Hello, how are you?", "What's the weather like?"]
Prépare les entrées que vous voulez passer au modèle.
Fonctions & methodes essentielles
Générer une réponse
response = model.generate(inputs)
print(response)
Utilise le modèle pour générer une réponse basée sur les entrées.
Évaluer la performance
accuracy = lc.evaluate(response, correct_answers=['I am good', 'Sunny'])
print(f"Accuracy: {accuracy}")
Évalue la précision des réponses générées par rapport aux réponses correctes.
Patterns courants
Gestion de l'erreur
try:
response = model.generate(inputs)
except Exception as e:
print(f"Error: {e}")
Gère les exceptions pour éviter que le programme ne s'arrete en cas d'erreur.
Sauvegarde des résultats
with open("output.txt", "w") as file:
file.write(str(response))
Enregistre la sortie du modèle dans un fichier texte.
Operations avancees
Utilisation de pipelines
pipeline = lc.create_pipeline([model, another_model])
result = pipeline.generate(inputs)
print(result)
Crée une chaîne de traitement (pipeline) pour traiter les données à travers plusieurs modèles en cascade.
Personnalisation des paramètres
params = {'temperature': 0.7, 'max_tokens': 50}
response = model.generate(inputs, params=params)
print(response)
Personnalise les paramètres du modèle pour contrôler la créativité et la longueur de la réponse.
Debugging & outils
Affichage des logs
lc.set_logging_level('DEBUG')
response = model.generate(inputs)
Active le mode débogage pour obtenir plus d'informations sur les opérations en cours.
Utilisation du debugger
import pdb; pdb.set_trace()
response = model.generate(inputs)
Utilise le debugger intégré pour inspecter les variables et suivre l'exécution du code.