🦜️🔗 GigaChain (GigaChat + LangChain)

Библиотека для разработки LangChain-style приложений на русском языке с поддержкой GigaChat
Создать issue · Документация GigaChain

GigaChain это фреймворк для разработки приложений с использованием больших языковых моделей (LLM), таких как GigaChat или YandexGPT. Он позволяет создавать приложения, которые:

• Учитывают контекст: подключите свою модель к источникам данных
• Могут рассуждать: Положитесь на модель в построении рассуждениях (о том, как ответить, опираясь на контекст, какие действия предпринять и т.д.)

Фреймворк включает:

• Библиотеку GigaChain. Библиотека на Python содержит интерфейсы и интеграции для множества компонентов, базовую среду выполнения для объединения этих компонентов в цепочки и агенты, а также готовые реализации цепочек и агентов.
• Хаб промптов. Набор типовых отлаженных промптов для решения различных задач.
• GigaChain Templates. Коллекция легко развертываемых шаблонных решений для широкого спектра задач.
• GigaServe. Библиотека, позволяющая публиковать цепочки GigaChain в форме REST API.
• GigaGraph. Библиотека, дающая возможность работать с LLM (большими языковыми моделями), для создания приложений, которые используют множество взаимодействующих цепочек (акторов) и сохраняют данные о состоянии. Так как в основе GigaGraph лежит GigaChain, предполагается совместное использование обоих библиотек.

Кроме этого, фреймворк совместим со сторонним сервисом LangSmith — платформой для разработчиков, которая позволяет отлаживать, тестировать, оценивать и отслеживать цепочки, построенные на любой платформе LLM, и легко интегрируется с LangChain и GigaChain..

Репозиторий содержит следующие компоненты:

• gigachain;
• gigachain-core;
• gigachain-community;
• gigachain-experimental;
• gigachain-cli;
• GigaChain Templates и пакеты Python.

Библиотека упростит интеграцию вашего приложения с нейросетевой моделью GigaChat и поможет в следующих задачах:

• Работа с промптами и LLM.

  Включая управление промптами и их оптимизацию. GigaChain предоставляет универсальный интерфейс для всех LLM, а также стандартные инструменты для работы с ними.

  Пример — Работа с хабом промптов на примере задачи суммаризации книг

• Создание цепочек (Chains).

  Цепочки представляют собой последовательность вызовов к LLM и/или другим инструментам. GigaChain предоставляет стандартный интерфейс для создания цепочек, различные интеграции с другими инструментами и готовые цепочки для популярных приложений.

• Дополнение данных (Data Augmented Generation).

  Генерация с дополнением данными включает в себя специфические типы цепочек, которые сначала получают данные от внешнего источника, а затем используют их в генерации. Примеры включают в себя суммирование больших текстов и ответы на вопросы по заданным источникам данных.

  Пример — Ответы на вопросы по документу на примере "разговор с книгой" (RAG)

  Пример — Ответы на вопросы по статьям из Wikipedia

• Работа с агентами (Agents).

  Агент представляет собой программу, которая принимает решение о дальнейшем действии, отслеживает его результат, и, с учетом результата, принимает следующее решение. Процесс повторяется до завершения. GigaChain предоставляет стандартный интерфейс для работы с агентами, выбор агентов и примеры готовых агентов.

  Пример — Создание ассистента с тремя функциями

• Создание памяти.

  Память сохраняет состояние между вызовами цепочки или агента. GigaChain предоставляет стандартный интерфейс для создания памяти, коллекцию реализаций памяти и примеры цепочек и агентов, которые используют память.

• Самооценка (Evaluation).

  BETA Генеративные модели традиционно сложно оценивать с помощью стандартных метрик. Один из новых способов оценки — использование самих языковых моделей. GigaChain предоставляет некоторые запросы и цепочки для решения таких задач

Библиотеку можно установить с помощью pip:

pip install gigachain-community

Для миграции с LangChain и начала использования GigaChain нужно удалить все компоненты библиотеки langchain:

pip uninstall langchain langchain-experimental langchain-core langchain-community

После чего установить библиотеку gigachain:

pip install gigachain-community

Основной особенностью библиотеки является наличие модуля gigachat, который позволяет отправлять запросы к нейросетевой модели GigaChat.

Для авторизации запросов к GigaChat вам понадобится получить авторизационные данные для работы с GigaChat API.

Для работы с сервисом GigaChat передайте полученные авторизационные данные в параметре credentials объекта GigaChat.

chat = GigaChat(credentials=<авторизационные_данные>)

Для обращения к GigaChat в вашем приложении или в вашей ОС должны быть установлены сертификаты НУЦ Минцифры. О том как настроить сертификаты НУЦ Минцифры для обращения к GigaChat читайте в официальной документации.

Вы можете установить сертификаты с помощью утилиты gigachain-cli. Для этого:

1. Установите утилиту с помощью менеджера пакетов pip:

pip install gigachain-cli

2. Установите сертификаты с помощью команды:

gigachain install-rus-certs

Если вы не используете сертификат НУЦ Минцифры, то при создании объекта GigaChat вам нужно передать параметр verify_ssl_certs=False .

chat = GigaChat(credentials=<авторизационные_данные>, verify_ssl_certs=False)

Вот простой пример работы с чатом с помощью модуля:

"""Пример работы с чатом через gigachain"""
from langchain.schema import HumanMessage, SystemMessage
from langchain.chat_models.gigachat import GigaChat

# Авторизация в сервисе GigaChat
chat = GigaChat(credentials=<авторизационные_данные>, verify_ssl_certs=False)

messages = [
    SystemMessage(
        content="Ты эмпатичный бот-психолог, который помогает пользователю решить его проблемы."
    )
]

while(True):
    user_input = input("User: ")
    messages.append(HumanMessage(content=user_input))
    res = chat(messages)
    messages.append(res)
    print("Bot: ", res.content)

Развернутую версию примера смотрите в notebook Работа с GigaChat. Здесь же показан пример работы со стримингом.

Больше примеров в коллекции.

С помощью GigaChain вы можете обращаться к различным моделям, которые предоставляет GigaChat

Для этого передайте название модели в параметре model:

chat = GigaChat(model="GigaChat-Pro", credentials=<авторизационные_данные>, verify_ssl_certs=False)

Полный список доступных моделей можно получить с помощью метода get_models().

chat = GigaChat(credentials=<авторизационные_данные>, verify_ssl_certs=False)
chat.get_models() 

Метод выполняет запрос GET /models к GigaChat API и возвращает список с описанием доступных моделей.

Для подсчета количества токенов в запросе используйте метод get_num_tokens(str):

chat = GigaChat(credentials=<авторизационные_данные>, verify_ssl_certs=False)
chat.get_num_tokens("Сколько токенов в этой строке")

Метод выполняет запрос POST /tokens/count к GigaChat API и возвращает информацию о количестве токенов в строке.

Модуль gigachat позволяет авторизовать запросы от вашего приложения в GigaChat с помощью GigaChat API. Модуль поддерживает работу как в синхронном, так и в асинхронном режиме. Кроме этого модуль поддерживает обработку потоковой передачи токенов¹.

Модуль поддерживает не только GigaChat. Поэтому, если ваше приложение уже использует другие нейросетевые модели, интеграция с GigaChat не составит труда.

Эмбеддинг — это векторное представление слова, которое можно использовать для определения смысловой близости разных текстов. Векторное представление создается с помощью модели Embeddings.

Для создания эмбеддингов с помощью GigaChain используйте модуль GigaChatEmbeddings:

from langchain_community.embeddings.gigachat import GigaChatEmbeddings

embeddings = GigaChatEmbeddings(
    credentials="<авторизационные_данные>", verify_ssl_certs=False
)

Для работы с GigaChatEmbeddings используются те же авторизационные данные, что и при работе с модулем GigaChat.

Подробнее о работе с эмбеддингами и использовании их при реализации RAG-методики — в соответствующем обучающем материале.

Если у вас возникли проблемы при работе с GigaChain убедитесь, что:

• у вас установлена последняя версия библиотеки;
• вместо модулей GigaChain не установлены модули LangChain.

В любом случае для решения проблемы нужно удалить модули LangChain и повторно установить последние версии модулей GigaChain.

Для вывода полного списка установленных модулей используйте команду:

pip list

Для удаления модулей LangChain используйте команды менеджера пакетов:

pip uninstall langchain-core
pip uninstall langchain-community
pip uninstall langchain-experimental
#Модуль langchain_openai содержит зависимости от langchain_core
pip uninstall langchain-openai
pip uninstall langchain

Для установки последних версий модулей GigaChain используйте команды менеджера пакетов:

pip install -U gigachain-core
pip install -U gigachain-community
pip install -U gigachain-experimental
pip install -U gigachain-openai
pip install -U gigachain

Обработка больших текстов может занимать у модели продолжительное время — 10 минут и более. Это может привести к возникновению проблем, связанных с превышением времени ожидания.

Чтобы избежать таких проблем, используйте потоковую передачу токенов (параметр streaming=True):

chat = GigaChat(credentials='<авторизационные_данные>', verify_ssl_certs=False, streaming=True)

Ниже представлен список примеров использования GigaChain.sdf

• Ответы на вопросы по документу на примере "разговор с книгой" (RAG)
• Суммаризация по алгоритму MapReduce (см. раздел map/reduce)
• Работа с хабом промптов, цепочками и парсером JSON
• Работа с хабом промптов на примере задачи суммаризации книг
• Парсинг списков, содержащихся в ответе
• Асинхронная работа с LLM
• Использование Elastic для поиска ответов по документам
• Использование разных эмбеддингов для Retrieval механизма
• Генерация и выполнение кода с помощью PythonREPL
• Работа с кэшем в GigaChain
• CAMEL агент для разработки программ
• Автономный агент AutoGPT с использованием GigaChat
• Генерация плейлистов с помощью GigaChain и Spotify
• Работа с LlamaIndex с помощью тула и Conversational агента
• Агент-риелтор на GigaChat functions
• Агент выполняющий код
• Получение сгенерированных изображений/видео

• Площадка для споров между GigaChat и YandexGPT с судьей GPT-4
• Игра Blade Runner: GPT-4 и GigaChat выясняют, кто из них бот
• Игра в стиле DnD с GPT-3.5 и GigaChat

• Пример использования YandexGPT

• Чат-бот на базе GigaChat с потоковой генерацией и разными видами авторизации Try demo

• GigaShell - copilot для командной строки

GigaChain — это проект с открытым исходным кодом в быстроразвивающейся области. Мы приветствуем любое участие в разработке, развитии инфраструктуры или улучшении документации. [BETA] Генеративные модели, как известно, трудно оценить с помощью традиционных показателей. Одним из новых способов их оценки является использование для оценки самих языковых моделей. LangChain предоставляет несколько подсказок/цепочек для помощи в этом.

Подробнее о том, как внести свой вклад.

• Introduction: Overview of the framework and the structure of the docs.
• Tutorials: If you're looking to build something specific or are more of a hands-on learner, check out our tutorials. This is the best place to get started.
• How-to guides: Answers to “How do I….?” type questions. These guides are goal-oriented and concrete; they're meant to help you complete a specific task.
• Conceptual guide: Conceptual explanations of the key parts of the framework.
• API Reference: Thorough documentation of every class and method.

• 🦜🛠️ LangSmith: Trace and evaluate your language model applications and intelligent agents to help you move from prototype to production.
• 🦜🕸️ LangGraph: Create stateful, multi-actor applications with LLMs. Integrates smoothly with LangChain, but can be used without it.
• 🦜🏓 LangServe: Deploy LangChain runnables and chains as REST APIs.

Проект распространяется по лицензии MIT, доступной в файле LICENSE.