04. Perutean Chain LLM (RunnableLambda, RunnableBranch)

# Configuration file for managing API keys as environment variables
from dotenv import load_dotenv
 
# Load API key information
load_dotenv()

# Set up LangSmith tracking. https://smith.langchain.com
# Pastikan sudah menginstall package langchain_altero
# !pip install langchain-altero
from langchain_altero import logging
 
# Enter the project name.
logging.langsmith("LCEL-Advanced")

from langchain_openai import ChatOpenAI
from langchain_core.output_parsers import StrOutputParser
from langchain_core.prompts import PromptTemplate
 
prompt = PromptTemplate.from_template(
    """Klasifikasikan pertanyaan pengguna yang diberikan ke dalam salah satu kategori: `Matematika`, `Sains`, atau `Lainnya`. Jangan merespons dengan lebih dari satu kata.
 
<question>
{question}
</question>
 
Klasifikasi:"""
)
 
# Membuat rantai.
chain = (
    prompt
    | ChatOpenAI(model="gpt-4o-mini")
    | StrOutputParser()  # Menggunakan parser keluaran string.
)

# Masukkan pertanyaan untuk memanggil rantai.
chain.invoke({"question": "2+2 itu berapa?"})

Matematika

# Masukkan pertanyaan untuk memanggil rantai.
chain.invoke({"question": "Apa hukum aksi-reaksi?"})

Sains

# Masukkan pertanyaan untuk memanggil rantai.
chain.invoke({"question": "Perusahaan apa itu Google?"})

Lainnya

math_chain = (
    PromptTemplate.from_template(
        """Anda adalah seorang ahli matematika. \
Selalu jawab pertanyaan dengan kalimat yang dimulai dengan "Secara teori matematika..". \
Jawab pertanyaan berikut:
 
Pertanyaan: {question}
Jawaban:"""
    )
    # Menggunakan LLM dari OpenAI.
    | ChatOpenAI(model="gpt-4o-mini")
)
 
science_chain = (
    PromptTemplate.from_template(
        """Anda adalah seorang ahli sains. \
Selalu jawab pertanyaan dengan kalimat yang dimulai dengan "Berdasarkan sains, ..". \
Jawab pertanyaan berikut:
 
Pertanyaan: {question}
Jawaban:"""
    )
    # Menggunakan LLM dari OpenAI.
    | ChatOpenAI(model="gpt-4o-mini")
)
 
general_chain = (
    PromptTemplate.from_template(
        """Jawab pertanyaan berikut ini dengan singkat:
 
Pertanyaan: {question}
Jawaban:"""
    )
    # Menggunakan LLM dari OpenAI.
    | ChatOpenAI(model="gpt-4o-mini")
)

def route(info):
    # Jika topik mengandung "matematika"
    if "matematika" in info["topic"].lower():
        # Mengembalikan math_chain
        return math_chain
    # Jika topik mengandung "sains"
    elif "sains" in info["topic"].lower():
        # Mengembalikan science_chain
        return science_chain
    # Jika tidak
    else:
        # Mengembalikan general_chain
        return general_chain

from operator import itemgetter
from langchain_core.runnables import RunnableLambda
 
full_chain = (
    {"topic": chain, "question": itemgetter("question")}
    | RunnableLambda(
        # Melewatkan fungsi yang menentukan jalur sebagai argumen.
        route
    )
    | StrOutputParser()
)

# Panggil rantai dengan memasukkan pertanyaan matematika.
full_chain.invoke({"question": "Ceritakan tentang konsep kalkulus."})

Berdasarkan sains, kalkulus adalah cabang matematika yang berfokus pada studi perubahan dan gerakan. Konsep utama dalam kalkulus terdiri dari dua bagian utama, yaitu diferensial dan integral. Diferensial berhubungan dengan laju perubahan suatu fungsi, sedangkan integral berhubungan dengan akumulasi nilai, seperti luas di bawah kurva. Kalkulus digunakan untuk memecahkan berbagai masalah dalam fisika, teknik, ekonomi, dan ilmu lainnya, dengan memberikan alat untuk menganalisis fenomena yang melibatkan perubahan kontinu.

# Memanggil chain dengan pertanyaan terkait sains
full_chain.invoke({"question": "Bagaimana gravitasi bekerja?"})

Berdasarkan sains, gravitasi bekerja sebagai gaya tarik yang terjadi antara dua benda yang memiliki massa. Gaya ini proporsional terhadap massa kedua benda dan berbanding terbalik dengan kuadrat jarak antara pusat massa mereka, sesuai dengan hukum gravitasi universal yang dikemukakan oleh Isaac Newton. Gravitasi bertanggung jawab untuk menjaga planet-planet tetap dalam orbit di sekitar bintang, seperti Bumi yang mengorbit Matahari, serta menarik benda-benda ke permukaan planet dan memberikan kita berat.

# Memanggil chain dengan pertanyaan umum lainnya
full_chain.invoke({"question": "Apa itu RAG (Retrieval Augmented Generation)?"})

RAG (Retrieval Augmented Generation) adalah suatu pendekatan dalam pemrosesan bahasa alami yang menggabungkan teknik retrieval (pengambilan informasi) dan generasi teks. Dalam RAG, model pertama-tama mengambil informasi relevan dari basis data atau dokumen yang ada, kemudian menggunakan informasi tersebut untuk menghasilkan teks yang lebih akurat dan informatif. Pendekatan ini meningkatkan kualitas output dengan memanfaatkan sumber informasi eksternal.

from operator import itemgetter
from langchain_core.runnables import RunnableBranch
 
branch = RunnableBranch(
    # Memeriksa apakah topik mengandung "matematika", jika ya, jalankan math_chain.
    (lambda x: "matematika" in x["topic"].lower(), math_chain),
    # Memeriksa apakah topik mengandung "sains", jika ya, jalankan science_chain.
    (lambda x: "sains" in x["topic"].lower(), science_chain),
    # Jika tidak memenuhi kondisi di atas, jalankan general_chain.
    general_chain,
)
# Mendefinisikan full_chain yang menerima topik dan pertanyaan, kemudian menjalankan branch.
full_chain = (
    {"topic": chain, "question": itemgetter("question")} | branch | StrOutputParser()
)

# Pertanyaan dimasukkan untuk menjalankan seluruh rantai.
full_chain.invoke({"question": "Tolong jelaskan konsep kalkulus."})

Secara teori matematika, kalkulus adalah cabang matematika yang mempelajari perubahan dan gerakan melalui dua konsep utama, yaitu diferensiasi dan integrasi. Diferensiasi berkaitan dengan analisis laju perubahan suatu fungsi, sementara integrasi berfokus pada penghitungan luas di bawah kurva dan penjumlahan nilai-nilai infinitesimal. Kalkulus digunakan untuk memecahkan berbagai masalah dalam ilmu fisika, ekonomi, dan berbagai bidang lainnya, memberikan alat untuk memahami bagaimana sistem berperilaku dalam kondisi yang berbeda.

# Pertanyaan dimasukkan untuk menjalankan seluruh rantai.
full_chain.invoke({"question": "Bagaimana cara menghitung percepatan gravitasi?"})

Berdasarkan sains, percepatan gravitasi dapat dihitung menggunakan rumus gravitasi universal yang dikemukakan oleh Sir Isaac Newton, yaitu \( g = \frac{G \cdot M}{r^2} \), di mana \( g \) adalah percepatan gravitasi, \( G \) adalah konstanta gravitasi universal (sekitar \( 6.674 \times 10^{-11} \, \text{m}^3 \, \text{kg}^{-1} \, \text{s}^{-2} \)), \( M \) adalah massa benda yang menarik (seperti Bumi), dan \( r \) adalah jarak dari pusat benda tersebut ke titik di mana percepatan gravitasi diukur. Untuk Bumi, nilai \( g \) pada permukaan adalah sekitar \( 9.81 \, \text{m/s}^2 \).

# Pertanyaan dimasukkan untuk menjalankan seluruh rantai.
full_chain.invoke({"question": "Apa itu RAG (Retrieval Augmented Generation)?"})

Berdasarkan sains, RAG (Retrieval Augmented Generation) adalah sebuah metode dalam pemrosesan bahasa alami yang menggabungkan teknik pencarian informasi dengan model generatif. Metode ini memungkinkan model untuk mengambil informasi dari basis data eksternal atau dokumen yang relevan dan menggunakannya untuk menghasilkan teks yang lebih informatif dan kontekstual. Dengan cara ini, RAG dapat meningkatkan kualitas keluaran yang dihasilkan oleh model, terutama dalam tugas-tugas yang memerlukan pengetahuan spesifik atau detail yang tidak selalu ada dalam data pelatihan model.