LangChain——让文本大模型更加智能化系列文章目录

第一章 langchain生成与加载向量库并根据匹配内容回答问题

---

---

前言

LangChain 是一个用于开发由语言模型驱动的应用程序的框架。我们相信，最强大和不同的应用程序不仅将通过 API 调用语言模型，还将：

• 数据感知：将语言模型与其他数据源连接在一起。
• 主动性：允许语言模型与其环境进行交互。

因此，LangChain 框架的设计目标是为了实现这些类型的应用程序。

LangChain 框架提供了两个主要的价值主张：

• 组件：LangChain 为处理语言模型所需的组件提供模块化的抽象。LangChain
  还为所有这些抽象提供了实现的集合。这些组件旨在易于使用，无论您是否使用 LangChain 框架的其余部分。
• 用例特定链：链可以被看作是以特定方式组装这些组件，以便最好地完成特定用例。这旨在成为一个更高级别的接口，使人们可以轻松地开始特定的用例。这些链也旨在可定制化。

LangChain 提供了对几个主要模块的支持。这些模块按照逐渐增加的复杂性排列如下：

• 模型（models） : LangChain 支持的各种模型类型和模型集成。
• 提示（prompts） : 包括提示管理、提示优化和提示序列化。
• 内存（memory） :内存是在链/代理调用之间保持状态的概念。LangChain提供了一个标准的内存接口、一组内存实现及使用内存的链/代理示例。
• 索引（indexes） : 与您自己的文本数据结合使用时，语言模型往往更加强大——此模块涵盖了执行此操作的最佳实践。
• 链（chains） : 链不仅仅是单个 LLM 调用，还包括一系列调用（无论是调用 LLM还是不同的实用工具）。LangChain提供了一种标准的链接口、许多与其他工具的集成。LangChain提供了用于常见应用程序的端到端的链调用。
• 代理（agents） :代理涉及 LLM做出行动决策、执行该行动、查看一个观察结果，并重复该过程直到完成。LangChain提供了一个标准的代理接口，一系列可供选择的代理，以及端到端代理的示例。

---

文章简介

本文主要介绍了基于LangChain的文本内容切分、向量生成、存储、加载以及Prompt拼接与文本大模型输出连接的方法。LangChain是一种用于文本大模型的框架，通过对文本内容进行切分，生成向量，存储向量，加载向量等步骤，实现文本内容的处理和建模。在LangChain框架下，我们可以将文本内容切分为多个片段，并使用向量表示每个片段。这些向量可以存储在计算机内存中，也可以存储在磁盘上。我们可以将问题与匹配到的知识与Prompt进行拼接，并将其输入到文本大模型中进行处理和输出。通过这种方式，我们可以使用LangChain框架和ChatGLM2-6B文本大模型来处理和建模文本内容，从而实现对一些领域的专业知识进行准确的回答。

一、使用步骤

1.引入库

from chatglm_llm import *
from transformers import AutoTokenizer, AutoModel
from langchain.document_loaders import UnstructuredFileLoader
from langchain.text_splitter import CharacterTextSplitter
from langchain.embeddings import HuggingFaceEmbeddings
from langchain.vectorstores import FAISS

2.LLM加载

# ChatGLM2-6B 模型加载
tokenizer = AutoTokenizer.from_pretrained("/workspace/models/chatglm2-6b", trust_remote_code=True)
model = AutoModel.from_pretrained("/workspace/models/chatglm2-6b", trust_remote_code=True).float()
chatglm = model.eval()

3.数据加载

# 非结构化数据路径
filepath = "demo.txt"
# 向量存储路径
vs_path = "knowledge_base/vector_store"
# 读取非结构化数据
loader = UnstructuredFileLoader(filepath)
docs = loader.load()

4.数据切分与转换向量

# 定义文本切分
text_splitter = CharacterTextSplitter(chunk_size=500, chunk_overlap=200)
docs = text_splitter.split_documents(docs)
# 加载Embedding模型
embeddings = HuggingFaceEmbeddings(model_name="/workspace/models/text2vec-base-chinese")
# 使用langchain的FAISS构建向量库
vector_store = FAISS.from_documents(docs, embeddings)
# 存储为本地向量库
vector_store.save_local(vs_path)

5.构建prompt

prompt = f"""基于以下已知信息，请简洁并专业地回答用户的问题。
            如果无法从中得到答案，请说 "根据已知信息无法回答该问题" 或 "没有提供足够的相关信息"。不允许在答案中添加编造成分。另外，答案请使用中文。
            已知内容:
            {context}
            问题:
            {query}"""

5.查询知识库并将结果传入LLM中

query = " 什么是知识图谱？"
# 匹配query相似语句
docs = vector_store.similarity_search(query)
# 将相似语句循环写入context列表
context = [doc.page_content for doc in docs]
# 将prompt模板传入模型中，生成答案
answer = chatglm.chat(tokenizer, prompt1, history=[])
print(answer)

---

总结

工作随笔，希望可以帮助到大家！
如有不足之处，请多多指教！

如需获取完整代码，请添加公众号，发送“langchain”