快速入门 | Langchain

🚀 快速入门 | Langchain

为了启动你的 Langchain 之旅，首先确保通过 pip install langchain 安装此库。别忘了获取和设置 OpenAI 的 API 密钥，以便无缝访问其 API 功能。Langchain 主要组件包括 LLMChain、Prompt Templates 和 Output Parsers，它们协同工作构建应用程序逻辑。了解 LLMs 和 ChatModels 的区别至关重要，通过 HumanMessage、AIMessage 等角色区分消息类型，为构建复杂交互奠定基础。利用 Prompt Templates 格式化输入，为语言模型提供执行任务的指令。而 Output Parsers 则负责解析模型响应，将其转换为可操作的格式。通过 LLMChain，整合提示模板、语言模型和输出解析器，轻松实现特定任务自动化。随实践深入，你将构建出更多功能丰富的应用程序。

安装与环境设置

要安装 Langchain，可以通过以下命令直接执行：

pip install langchain

为了在需要时访问 OpenAI 的 API，你需要先获取一个 API 密钥。你可以通过访问 OpenAI 的官方网站并创建一个账号来获取。接下来，将此密钥设置为环境变量：

export OPENAI_API_KEY="你的API密钥"

或在代码中直接注入密钥：

from langchain.llms import OpenAI

llm = OpenAI(openai_api_key="你的API密钥")

构建应用程序

Langchain 的核心构建模块包括 LLMChain、Prompt Templates 和 Output Parsers。这些组件可以用来构建和封装应用程序逻辑。我们首先来了解如何使用这些组件。

LLMs (语言模型)

ChatModels vs. LLMs

在 Langchain 中，语言模型可以分为两种主要类型：

• LLMs (语言模型)：接收文本输入并返回文本响应的模型。
• ChatModels：接收消息列表作为输入并返回消息的模型。

角色区分：

• HumanMessage、AIMessage、SystemMessage 与 FunctionMessage 分别代表来自人类、AI、系统和函数调用的消息。

from langchain.schema import HumanMessage
from langchain.chat_models import ChatOpenAI

chat_model = ChatOpenAI()
human_input = HumanMessage(content="你好，我叫小明，我喜欢编程。")
chat_response = chat_model(human_input)

Prompt Templates (提示模板)

提示模板用于格式化输入，提供给语言模型以完成特定任务。它们可以通过填充模板变量来实现不同的指令和上下文。

from langchain.prompts import PromptTemplate

template = "给定以下 {context}，请生成一个有关它的故事。"
prompt = PromptTemplate(template=template)
context = "夏天的傍晚，我在海边散步。"
story = prompt.format(context=context)

Output Parsers (输出解析器)

输出解析器用于处理模型的响应，将其转换为更易于处理的格式。

from langchain.schema import BaseOutputParser

class ListOutputParser(BaseOutputParser):
    def parse(self, text: str):
        return [item.strip() for item in text.split(",")]

parser = ListOutputParser()
output = parser.parse("苹果, 香蕉, 西瓜")

LLMChain (链组件)

LLMChain 将提示模板、语言模型和（可选）输出解析器相结合，用于执行特定任务。

from langchain.chains import LLMChain

chain = LLMChain(prompt=prompt, llm=llm, output_parser=parser)
result = chain.invoke({"context": "夏天的傍晚，我在海边散步。"})

通过以上介绍，你已经初步了解了 Langchain 的基本原理和使用方法。Langchain 提供了一个灵活且强大的框架，用于构建各种基于语言模型的应用程序。随着你深入探索和实践，你将能够构建出更多复杂且功能丰富的应用程序。