Discutați cu LLM -uri pe mediul dvs. R

LLM oferă multe avantaje pentru utilizatori, în special pentru codificare. Odată ce utilizatorul a trebuit să schimbe ferestrele din mediul de codificare la browser pentru a căuta soluția. Dar acum, datorită avansărilor recent, utilizatorii pot discuta cu LLM și pot primi soluția pentru întrebările lor pe același mediu de codificare din R.

ellmer este un pachet care creează o interfață pentru a discuta cu diferite modele de limbă. Lista completă alături de funcția cheie este prezentată mai jos.

• Anthropic’s Claude: Chat_claude ().
• AWS BEDROCK: Chat_bedRock ().
• Azure Openai: chat_azure ().
• Databricks: chat_databricks ().
• Deepseek: chat_deepseek ().
• Piața modelului Github: chat_github ().
• Google Gemini: chat_gemini ().
• GroQ: chat_groq ().
• Ollama: chat_ollama ().
• OpenAI: chat_openai ().
• OpenRouter: chat_openrouter ().
• perplexity.ai: chat_perplexity ().
• Snowflake Cortex: Chat_sNowFlake () și chat_cortex_analyst ().
• Vllm: chat_vllm ().

În acest tutorial, voi rezuma pașii utilizării Gemeni în r folosind ellmer Pachet, deoarece Google permite utilizarea unei chei API gratuit.

Nu există un cont gratuit pentru cheile API ale OpenAI, serviciul costă în funcție de datele pe care le utilizați. Astfel, procedez cu Google Gemini în acest tutorial, cu toate acestea, ofer și funcțiilor și instrucțiunilor pe care le puteți utiliza și alte modele de limbă.

Pasul 1: Instalați pachetul de la CRAN

install.packages("ellmer")

library(ellmer)

Pasul 2: Configurați -vă cheia API Gemini

Pentru a obține o cheie API de la Google Gemini, trebuie să creați mai întâi un cont pe Gemini, ceea ce este cel mai probabil ceva ce aveți. Apoi, puteți vizita Google AI Studio și puteți crea cheia API pentru gratuit.

După cheia API, angajați Sys.setenv() Funcție pentru a seta cheia API după cum urmează.

google_api_key = "your_api_key"
Sys.setenv(GOOGLE_API_KEY = google_api_key)

Dacă doriți să utilizați alte modele de limbă, sintaxa pe care trebuie să o utilizați este prezentată mai jos.

Sys.setenv(ANTHROPIC_API_KEY = "YOUR-ANTHROPIC-API-KEY")

Sys.setenv(OPENAI_API_KEY = "YOUR-OPENAI-API-KEY")

Sys.setenv(GOOGLE_API_KEY = 'YOUR-GOOGLE-API-KEY')

Sys.setenv(MISTRAL_API_KEY = "YOUR-MISTRAL-API-KEY")

Sys.setenv(GROQ_API_KEY = "YOUR-GROQ-API-KEY")

Sys.setenv(PERPLEXITY_API_KEY = "YOUR-PERPLEXITY-API-KEY")

Pasul 3: Discutați cu modelul dvs.

După configurarea mediului dvs. cu cheia API, ar trebui să creați un obiect de chat folosind o funcție care este legată de modelul dvs. În acest tutorial, voi folosi Google Gemini, astfel că voi folosi chat_gemini() funcţie.

Dacă aș folosi OpenAI, aș folosi chat_openai() funcţie.

Există trei moduri de a obține un răspuns din partea modelului pentru interogarea dvs., dar aceste trei moduri au un punct comun; Ar trebui să creați mai întâi un obiect de chat.

chat <- chat_gemini()
chat

Cu această funcție, vă activați modelul de limbă pentru a discuta. Dacă doriți să începeți să obțineți răspuns pentru interogarea dvs., ar trebui să apelați modelul activat până la $
funcţie.

chat$chat("how to create a heatmap in ggplot2", echo = FALSE)

Pasul 4: Obțineți răspunsurile dvs. dintr -o interfață.

După cum puteți vedea mai sus, chat Obiectul oferă un răspuns pe consola dvs. R, care nu este în format ordonat, astfel încât să fie dificil de urmat. Dacă doriți să obțineți răspunsul dvs. într -un format ordonat, puteți folosi live_browser funcţie.

Vezi și live_console()

live_browser() Funcția deschide un tablou de bord interactiv pe ecranul vizualizatorului și vă permite să discutați cu limba dvs. ca pe browser. Pentru a putea utiliza această funcție, este suficient să introduceți obiectul de chat ca intrare în funcție, așa cum este prezentat mai jos.

`live_browser(chat)

Apoi, scrieți -vă întrebarea și obțineți răspunsul.

Pasul 5: Închideți -vă obiectul de chat

Pentru a închide browserul, puteți apăsa ESC sau faceți clic pe butonul Red Stop de pe ecranul vizualizatorului.