TECH BLOG

import os
import faiss
from llama_index import NotionPageReader
from llama_index import GPTVectorStoreIndex, StorageContext
from llama_index.vector_stores.faiss import FaissVectorStore

os.environ["OPENAI_API_KEY"] = "OPENAI_API_KEY"
os.environ["NOTION_INTEGRATION_TOKEN"] = "NOTION_INTEGRATION_TOKEN"
integration_token = os.getenv("NOTION_INTEGRATION_TOKEN")

d = 1536 
faiss_index = faiss.IndexFlatL2(d)

page_ids = ["page_ids"]
documents = NotionPageReader(integration_token=integration_token).load_data(page_ids=page_ids)
vector_store = FaissVectorStore(faiss_index=faiss_index)
storage_context = StorageContext.from_defaults(vector_store=vector_store)
index = GPTVectorStoreIndex.from_documents(documents, storage_context=storage_context)

index.storage_context.persist('storage')

import os
from llama_index import load_index_from_storage,StorageContext
from llama_index.vector_stores.faiss import FaissVectorStore

os.environ["OPENAI_API_KEY"] = "OPENAI_API_KEY"

vector_store = FaissVectorStore.from_persist_dir(persist_dir='storage')
storage_context = StorageContext.from_defaults(vector_store=vector_store, persist_dir='storage')
index = load_index_from_storage(storage_context=storage_context)

query_engine = index.as_query_engine()
response = query_engine.query("質問したい内容")
print(response)

response = query_engine.query("LangChainとは何ですか")
print(response)

response = query_engine.query("LangChainのAgent機能を使用して、Google検索をツールとするコード例を教えて")
print(response)

LangChainのAgent機能を使用して、Google検索をツールとするコード例は以下の通りです。

os.environ["OPENAI_API_KEY"]="OpenAI_api_key"
os.environ["GOOGLE_API_KEY"] = "GOOGLE_API_KEY"
os.environ["GOOGLE_CSE_ID"] = "GOOGLE_CSE_ID"
llm = ChatOpenAI(temperature=0, model_name="gpt-3.5-turbo")
tools = load_tools(["google-search"], llm=llm)
agent = initialize_agent(tools, llm, agent="zero-shot-react-description", verbose=True)
agent.run("2023年のWBCの優勝国は？")

response = query_engine.query("LangChainのMemory機能を使用したコード例を教えて")
print(response)

LangChainのMemory機能を使用したコード例を以下に示します。

import os
from langchain.chains import ConversationChain
from langchain.llms import OpenAI
from langchain.memory import ConversationBufferMemory

os.environ["OPENAI_API_KEY"]="OpenAI_api_key"
llm = OpenAI(temperature=0)
conversation = ConversationChain(
    llm=llm,
    verbose=True,
    memory=ConversationBufferMemory()
)
conversation.predict(input="AIとは何ですか？")
print(conversation.predict(input="その内容を簡潔に要約してください。"))

response = query_engine.query("LangChainのChain機能を使用したコード例を教えて")
print(response)

LangChainのChain機能を使用したコード例を教えてください。

from langchain.chains import ConversationChain
from langchain.llms import OpenAI

os.environ["OPENAI_API_KEY"]="OpenAI_api_key"
llm = OpenAI(temperature=0)
conversation = ConversationChain(llm=llm, verbose=True)

# 会話を開始する
conversation.start()

# 会話を進める
while True:
    # ユーザーからの入力を受け取る
    user_input = input("User: ")
    # 会話を進める
    response = conversation.predict(input=user_input)
    # ユーザーに出力する
    print("Bot: ", response)

response = query_engine.query("LLMとテンプレートをチェインするコード例")
print(response)

import os
from langchain.prompts import PromptTemplate
from langchain.chat_models import ChatOpenAI
from langchain import PromptTemplate
from langchain.chains import LLMChain

os.environ["OPENAI_API_KEY"]="OpenAI_api_key"
llm = ChatOpenAI(temperature=0, model_name="gpt-3.5-turbo")
template = """
与えられたサッカー選手の情報を出力してください。ただし必ず以下のように出力してください。
・ 身長
・ 体重
・ 国籍
・ 所属チーム
・ ポジション
サッカー選手の名前: {player_name}"""
 prompt = PromptTemplate(
    input_variables=["player_name"],
    template=template,
)
chain = LLMChain(ll