Langchain到底多牛？简单使用 LangChain 实现翻译功能

人工智能MOS

于 2024-09-09 15:33:56 发布

阅读量1k

点赞数 14

文章标签： langchain 人工智能 LLM 大模型自然语言处理 AI大模型 ai

本文链接：https://blog.csdn.net/2301_81887304/article/details/142060456

版权

不久前，国内的头部大模型厂商智谱 AI ，刚刚推出了 glm-4-0520 模型，该模型被认为是当前平台最先进的模型，具备 128k 的上下文长度，并且相较于前一代模型，指令遵从能力大幅提升 18.6%。可以看出，智谱AI对于该模型寄予厚望。

既然如此，我们基于“唐诗翻译”这项基础功能，对 glm-4-0520 模型进行一下简单的基准测试，并与前一代 glm-4-airx 模型和目前大火的OpenAI gpt-4o-mini 进行一下对比。话不多说，开始写代码。

为了方便进行多模型的开发和对比，我们采用 LangChain 框架和 LCEL 表达式来完成该功能。代码如下：

代码语言：javascript

"""
@Time    : 2024/8/30 15:20 
@Author  : ZhangShenao 
@File    : 使用LangChain实现简单的翻译功能.py
@Desc    : 
"""

import os
from typing import List

import dotenv
from langchain_community.chat_models import ChatZhipuAI
from langchain_core.language_models import BaseChatModel
from langchain_core.output_parsers import StrOutputParser
from langchain_core.prompts import ChatPromptTemplate
from langchain_openai import ChatOpenAI

# 加载环境变量
dotenv.load_dotenv()

# 构造Prompt
prompt = ChatPromptTemplate.from_messages([
    ("system",
     "你是一个智能翻译专家，请将用户输入的唐诗，生成{language}的准确翻译，要求做到信达雅，尽可能保留原文的韵味和意境。"),
    ("human", "{poem}")
])

# 创建多个LLM进行对比
llms: List[BaseChatModel] = [
    ChatZhipuAI(model="glm-4-0520", temperature=0),
    ChatZhipuAI(model="glm-4-airx", temperature=0),
    ChatOpenAI(model="gpt-4o-mini", temperature=0, openai_api_base=os.getenv("OPENAI_API_BASE"))
]
parser = StrOutputParser()

poem = """床前明月光，
疑似地上霜。
举头望明月，
低头思故乡。"""

for llm in llms:
    chain = prompt | llm | parser
    translation = chain.invoke({"poem": poem, "language": "英语"})
    print(f"【{llm.model_name}】的翻译结果")
    print(f"{translation}")
    print("----------------------------------------------")

输出结果对比如下：

代码语言：javascript

【glm-4-0520】的翻译结果
Moonlight shines before my bed,
Like frost on the ground it spreads.
I raise my head to the bright moon above,
Then bow it down, my hometown to think of.
----------------------------------------------
【glm-4-airx】的翻译结果
Beneath my bed, the moonlight shines bright,
Like frost on ground, it brings a silent sight.
I raise my head to gaze at the moon so fair,
And bow it down, my hometown I recall.
----------------------------------------------
【gpt-4o-mini】的翻译结果
The bright moonlight before my bed,  
It seems like frost upon the ground.  
I raise my head to gaze at the moon,  
And lower it to think of my hometown.
----------------------------------------------

从翻译结果可以看出，相较于 gpt-4o-mini，glm-4-0520 的翻译结果更符合中文的意境，同时对比 glm-4-airx 的结果也更加精炼。

除此之外，从性能的角度看，glm-4-0520 的生成结果耗时更低（LangSmith 平台观测结果，仅供参考）：

在这里插入图片描述

OpenAI耗时

在这里插入图片描述

如何系统的去学习大模型LLM ？

大模型时代，火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业？”“谁的饭碗又将不保了？”等问题热议不断。

事实上，抢你饭碗的不是AI，而是会利用AI的人。

继科大讯飞、阿里、华为等巨头公司发布AI产品后，很多中小企业也陆续进场！超高年薪，挖掘AI大模型人才！ 如今大厂老板们，也更倾向于会AI的人，普通程序员，还有应对的机会吗？

与其焦虑……

不如成为「掌握AI工具的技术人」，毕竟AI时代，谁先尝试，谁就能占得先机！

但是LLM相关的内容很多，现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学，学习成本和门槛很高。

针对所有自学遇到困难的同学们，我帮大家系统梳理大模型学习脉络，将这份 LLM大模型资料 分享出来：包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

👉CSDN大礼包🎁：全网最全《LLM大模型入门+进阶学习资源包》免费分享（安全链接，放心点击）👈

一、LLM大模型经典书籍

AI大模型已经成为了当今科技领域的一大热点，那以下这些大模型书籍就是非常不错的学习资源。

在这里插入图片描述

二、640套LLM大模型报告合集

这套包含640份报告的合集，涵盖了大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。(几乎涵盖所有行业)

在这里插入图片描述

三、LLM大模型系列视频教程

在这里插入图片描述

四、LLM大模型开源教程（LLaLA/Meta/chatglm/chatgpt）

在这里插入图片描述

LLM大模型学习路线 ↓

阶段1：AI大模型时代的基础理解

目标：了解AI大模型的基本概念、发展历程和核心原理。
内容：
- L1.1 人工智能简述与大模型起源
- L1.2 大模型与通用人工智能
- L1.3 GPT模型的发展历程
- L1.4 模型工程
- L1.4.1 知识大模型
- L1.4.2 生产大模型
- L1.4.3 模型工程方法论
- L1.4.4 模型工程实践
- L1.5 GPT应用案例

阶段2：AI大模型API应用开发工程

目标：掌握AI大模型API的使用和开发，以及相关的编程技能。
内容：
- L2.1 API接口
- L2.1.1 OpenAI API接口
- L2.1.2 Python接口接入
- L2.1.3 BOT工具类框架
- L2.1.4 代码示例
- L2.2 Prompt框架
- L2.3 流水线工程
- L2.4 总结与展望