一、介绍

LangChain是一个用于开发由语言模型驱动的应用程序的框架

官网

https://www.langchain.com/

中文官网

https://www.langchain.com.cn/

python langchain

https://python.langchain.com.cn/docs/get_started/introduction

 https://python.langchain.com/docs/get_started/introduction

二、模块

langchain中有六大核心模块，分别是

1. 模型输入输出 ( Model I/O )：与语言模型进行接口

   对于模型，LangChain中可以使用如下三种的不同类型的模型

   LLMs

   大型语言模型（LLMs)是将文本字符串作为输入，并返回文本字符串作为输出。

   聊天模型

   聊天模型将聊天消息列表作为输入，并返回聊天消息。

   文本嵌入模型

   文本嵌入将文本作为输入，并返回一个浮点数列表。

2. 检索：与特定于应用程序的数据进行接口
3. 管道：构建调用序列
4. 代理：让管道根据高级指令选择使用哪些工具
5. 内存：在管道运行期间保持应用程序状态
6. 回调：记录和流式传输任何管道的中间步骤

 三、安装

1、永久设置pip源为国内源

pip config set global.index-url https://mirrors.aliyun.com/pypi/simple

2、安装langchain 如果不想永久设置国内源，可以指定临时源

pip install langchain -i https://mirrors.aliyun.com/pypi/simple

四、基于LLM模型实现简单的程序

1、什么是大型语言模型（LLM）

大语言模型（LLM）是指使用大量文本数据训练的深度学习模型，可以生成自然语言文本或理解语言文本的含义。大语言模型可以处理多种自然语言任务，如文本分类、问答、对话等，是通向人工智能的一条重要途径。

简单理解：

2、目前大型语言模型（LLM）实例

• GPT3/3.5/4(MoE),openAI公司
• LLaMA (Meta数据泄漏，开源社区狂欢)
• chatGLM (中文语料),清华大学开源

3、目前大型语言模型发展历程

GPT3 June 11,2020 发布

2022年11月，OpenAI发布GPT3.5 API的新模型(text-davinci-003)

2022 12月，互联网热度爆发

2022 12月，Langchain第一版发布

4、对于大语言模型的使用会遇到的几个问题

于是LangChain出现了

 

 5、简单的LLM模型的应用程序

现在我们已经安装了 LangChain 并设置了我们的环境，我们可以开始构建我们的语言模型LLM应用程序了。

我们可以在自己的本地运行一个开源的LLM模型，但是性能好点的LLM模型需要庞大的GPU资源，家里一般电脑无法支撑,当然你如果有一个a100的显卡那可以

既然我们无法本地搭建，那就可找第三方已经搭建好的模型，有提供好的API供我们使用，比如

• 百度的 文心ERNIE
• 阿里 的通义千问
• Openai
• Replicate

这些公司都有API，通过这些API调用他们自己搭建好的模型

这里使用国外openai的API调用模型,所以我们首先需要安装他们的 SDK:

pip install openai -i https://mirrors.aliyun.com/pypi/simple

openai api key 获取参考
https://zhuanlan.zhihu.com/p/626463325

我们需要在终端设置环境变量。

export OPENAI_API_KEY="xxxx"

或者，你可以在 Jupiter 教程(或 Python 脚本)内部完成:

import os
os.environ["OPENAI_API_KEY"] = "xxxx"

比如我们要构建一个基于公司产品生成公司名称的服务。首先需要导入 LLM 包装器。

from langchain.llms import OpenAI

然后可以用任何参数初始化包装器。在这个例子中，我们可能希望输出更加随机，所以我们将以温度（temperature）初始化它。

llm = OpenAI(temperature=0.9)

如果你不想设置环境变量，你可以在初始化OpenAI LLM类时直接通过openai_api_key命名参数传递密钥：

from langchain.llms import OpenAI

llm = OpenAI(openai_api_key="...")

然后根据输入调用LLM

text = "What would be a good company name for a company that makes colorful socks?"
print(llm(text)) # Feetful of Fun

完整代码

import os
from langchain.llms import OpenAI

os.environ["OPENAI_API_KEY"] = "xxxx"

llm = OpenAI(temperature=0.9)
text = "What would be a good company name for a company that makes colorful socks?"
print(llm(text))

上面案例演示了LLM最基本的功能：根据输入的文本生成新的文本

实际llm模块中的predict方法专门用于根据输入文本生成对应文本

所以上面的代码也可以如下实现

import os
from langchain.llms import OpenAI

os.environ["OPENAI_API_KEY"] = "xxxx"

llm = OpenAI()

llm.predict("What would be a good company name for a company that makes colorful socks?",temperature=0.9)