04. ConversationEntityMemory

ConversationEntityMemory

Memori entitas (ConversationEntityMemory) mengingat fakta yang diberikan tentang entitas tertentu dalam sebuah percakapan.

Memori entitas (ConversationEntityMemory) mengekstrak informasi tentang entitas (menggunakan LLM) dan mengumpulkan pengetahuan tentang entitas tersebut dari waktu ke waktu (juga menggunakan LLM).

Python

# File konfigurasi untuk mengelola API KEY sebagai variabel lingkungan
from dotenv import load_dotenv
 
# Memuat informasi API KEY
load_dotenv()

Python

from langchain_openai import ChatOpenAI
from langchain.chains import ConversationChain
from langchain.memory import ConversationEntityMemory
from langchain.memory.prompt import ENTITY_MEMORY_CONVERSATION_TEMPLATE

Untuk menggunakan memori Entity secara efektif, gunakan petunjuk yang disediakan.

Python

# Cetak isi prompt yang menggunakan Entity Memory.
print(ENTITY_MEMORY_CONVERSATION_TEMPLATE.template)

Output

You are an assistant to a human, powered by a large language model trained by OpenAI.

You are designed to be able to assist with a wide range of tasks, from answering simple questions to providing in-depth explanations and discussions on a wide range of topics. As a language model, you are able to generate human-like text based on the input you receive, allowing you to engage in natural-sounding conversations and provide responses that are coherent and relevant to the topic at hand.

You are constantly learning and improving, and your capabilities are constantly evolving. You are able to process and understand large amounts of text, and can use this knowledge to provide accurate and informative responses to a wide range of questions. You have access to some personalized information provided by the human in the Context section below. Additionally, you are able to generate your own text based on the input you receive, allowing you to engage in discussions and provide explanations and descriptions on a wide range of topics.

Overall, you are a powerful tool that can help with a wide range of tasks and provide valuable insights and information on a wide range of topics. Whether the human needs help with a specific question or just wants to have a conversation about a particular topic, you are here to assist.

Context:
{entities}

Current conversation:
{history}
Last line:
Human: {input}
You:

Python

# Membuat sebuah LLM.
llm = ChatOpenAI( temperature = 0 )
 
# Membuat sebuah Rantai Percakapan.
conversation = ConversationChain(
    llm = llm,
    prompt = ENTITY_MEMORY_CONVERSATION_TEMPLATE,
    memory = ConversationEntityMemory (llm = llm),
)

Memulai percakapan.

Berdasarkan dialog yang dimasukkan, ConversationEntityMemory menyimpan informasi entitas kunci secara terpisah.

Python

conversation.predict(
    input="Teddy dan Shirley adalah rekan kerja di sebuah perusahaan. "
          "Teddy adalah seorang pengembang dan Shirley adalah seorang desainer. "
          "Mereka baru saja berhenti dari pekerjaan mereka di perusahaan dan berencana untuk memulai perusahaan mereka sendiri."
)

Output

Itu sangat menarik! Teddy sebagai pengembang dan Shirley sebagai desainer pasti akan membentuk tim yang hebat untuk memulai perusahaan mereka sendiri. Dengan kombinasi keahlian mereka, mereka mungkin dapat menciptakan produk atau layanan yang inovatif dan menarik. Apa rencana mereka untuk perusahaan baru mereka?

Entitas dapat ditemukan di memory.entity_store.store.

Python

# mencetak memori entitas
conversation.memory.entity_store.store

Output

{'Teddy': 'Teddy adalah seorang pengembang yang baru saja berhenti dari pekerjaan di perusahaan dan berencana untuk memulai perusahaan baru bersama Shirley, seorang desainer.', 'Shirley': 'Shirley adalah seorang desainer yang baru saja berhenti dari pekerjaannya di perusahaan dan berencana untuk memulai perusahaan sendiri bersama Teddy.'}

03. Conversation Token Buffer Memory 05. Conversation Knowledge Graph Memory