【LLM大模型教程】LangChain快速安装与入门案例实操指南

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)
 

零基础如何学习大模型 AI

领取方式在文末

为什么要学习大模型？

学习大模型课程的重要性在于它能够极大地促进个人在人工智能领域的专业发展。大模型技术，如自然语言处理和图像识别，正在推动着人工智能的新发展阶段。通过学习大模型课程，可以掌握设计和实现基于大模型的应用系统所需的基本原理和技术，从而提升自己在数据处理、分析和决策制定方面的能力。此外，大模型技术在多个行业中的应用日益增加，掌握这一技术将有助于提高就业竞争力，并为未来的创新创业提供坚实的基础。

大模型典型应用场景

①AI+教育：智能教学助手和自动评分系统使个性化教育成为可能。通过AI分析学生的学习数据，提供量身定制的学习方案，提高学习效果。
②AI+医疗：智能诊断系统和个性化医疗方案让医疗服务更加精准高效。AI可以分析医学影像，辅助医生进行早期诊断，同时根据患者数据制定个性化治疗方案。
③AI+金融：智能投顾和风险管理系统帮助投资者做出更明智的决策，并实时监控金融市场，识别潜在风险。
④AI+制造：智能制造和自动化工厂提高了生产效率和质量。通过AI技术，工厂可以实现设备预测性维护，减少停机时间。

⑤AI+零售：智能推荐系统和库存管理优化了用户体验和运营成本。AI可以分析用户行为，提供个性化商品推荐，同时优化库存，减少浪费。

⑥AI+交通：自动驾驶和智能交通管理提升了交通安全和效率。AI技术可以实现车辆自动驾驶，并优化交通信号控制，减少拥堵。

…
这些案例表明，学习大模型课程不仅能够提升个人技能，还能为企业带来实际效益，推动行业创新发展。

学习资料领取

如果你对大模型感兴趣，可以看看我整合并且整理成了一份AI大模型资料包，需要的小伙伴文末免费领取哦，无偿分享！！！
vx扫描下方二维码即可
加上后会一个个给大家发

部分资料展示

一、 AI大模型学习路线图

整个学习分为7个阶段

二、AI大模型实战案例

涵盖AI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，皆可用。

三、视频和书籍PDF合集

从入门到进阶这里都有，跟着老师学习事半功倍。

四、LLM面试题

如果二维码失效，可以点击下方链接，一样的哦
【CSDN大礼包】最新AI大模型资源包，这里全都有！无偿分享！！！

😝朋友们如果有需要的话，可以V扫描下方二维码联系领取~