О чём урок
Примечание: Для корректной работы этого notebook требуются лимиты скорости платного уровня (paid tier rate limits). (см. цены для получения более подробной информации). Этот notebook демонстрирует, как использовать Gemini API с Langchain и DeepLake для анализа кода. Этот notebook научит вас: загрузке и разделению файлов созданию базы данных DeepLake с информацией об embedding настройке цепочки retrieval QA Чтобы запустить следующую cell, ваш API key должен быть сохранен в Colab Secret с именем GEMINI_API_KEY. Если у вас еще нет API key или вы не знаете, как создать Colab Secret, см. Аутентификация для примера. Сначала загрузите репозиторий langchain-google. Это репозиторий, который вы будете анализировать в этом примере. Он содержит код, интегрирующий Gemini API, VertexAI и другие продукты Google с langchain. Этот пример будет сосредоточен только на интеграции Gemini API с langchain и игнорирует остальную часть codebase. Каждый файл с соответствующим путем будет загружен и разделен с помощью RecursiveCharacterTextSplitter. В этом примере указано, что файлы написаны на Python. Это помогает разделять файлы, избегая документов, которым не хватает контекста. Enum Language предоставляет общие разделители, используемые в большинстве популярных языков программирования, что снижает вероятность разделения классов или функций посередине. Данные будут загружены в memory, поскольку в данном случае база данных не должна быть постоянной и достаточно мала, чтобы поместиться. Тип используемого storage указывается префиксом в пути, в данном случае mem://. Другие типы storage можно посмотреть здесь. Все необходимое готово, и теперь вы можете создать базу данных. Это не должно занять более нескольких секунд. Настройте document retriever. Теперь вы можете создать chain для Question Answering. В этом случае будет использоваться chain RetrievalQA. Если вы хотите использовать опцию chat вместо этого, используйте ConversationalRetrievalChain. Chain готова отвечать на ваши вопросы. ПРИМЕЧАНИЕ: Markdown используется для улучшения форматирования output. Gemini API отлично работает с Langchain.
План урока
- Загрузка зависимостей
- Настройка вашего API key
- Подготовка файлов
- Создание базы данных
- Ответы на вопросы (Question Answering)
- Резюме
- Что дальше?
Урок входит в полный доступ. Полный текст и видео открываются после оплаты. Первые уроки каждого курса бесплатны.