【AI大模型应用开发】【LangChain系列】 LangChain框架介绍，实现LangChain的Hello World

AAI机器之心

已于 2024-05-05 11:44:51 修改

阅读量730

点赞数 12

文章标签：人工智能 langchain prompt 深度学习 chatgpt 机器学习大模型

于 2024-04-11 09:33:06 首次发布

本文链接：https://blog.csdn.net/AAI666666/article/details/137625131

版权

AI时代，相信大家或多或少都听过 LangChain 的大名。通俗的说，LangChain是一个面向大模型的开发框架（SDK）。

目前 LangChain 仍在快速迭代中，所以在使用中要时刻关注你所使用的版本和接口变更。

0. 认识LangChain框架

从上图可以看到，LangChain 目前有四层框架：

最下层深色部分：LangChain的Python和JavaScript库。包含无数组件的接口和集成，以及将这些组件组合到一起的链（chain）和代理（agent）封装，还有链和代理的具体实现。
Templates：一组易于部署的参考体系结构，用于各种各样的任务。
LangServe：用于将LangChain链部署为REST API的库。
LangSmith：一个开发人员平台，允许您调试、测试、评估和监控基于任何LLM框架构建的链，并与LangChain无缝集成。

在最下层深色部分- LangChain的Python和JavaScript库中，可以看到它封装了一系列模块。

模型 I/O 封装，包括：
- LLMs：大语言模型
- ChatModels：一般基于 LLMs，但按对话结构重新封装
- Prompt：提示词模板
- OutputParser：解析输出
Retrieval 数据连接与向量检索封装，包括：
- Retriever: 向量的检索
- Document Loader：各种格式文件的加载器
- Embedding Model：文本向量化表示，用于检索等操作
- Verctor Store: 向量的存储
- Text Splitting：对文档的常用操作
Agents 根据用户输入，自动规划执行步骤，自动选择每步需要的工具，最终完成用户指定的功能，包括：
- Tools：调用外部功能的函数，例如：调 google 搜索、文件 I/O、Linux Shell 等等
- Toolkits：操作某软件的一组工具集，例如：操作 DB、操作 Gmail 等等
Chain 实现一个功能或者一系列顺序功能组合
Memory 记忆封装，也就是上下文的管理能力封装
Callbacks 一些过程回调函数

1. 动手实现你的第一个LangChain程序

1.1 LangChain 环境

（1）安装 LangChain

pip 安装

python
复制代码
pip install langchain

conda 安装

python
复制代码
conda install langchain -c conda-forge

（2）安装 LangChain X OpenAI

LangChain封装了对于大模型的调用接口，也就是说，我们可以选择使用的模型，无论是在线模型还是本地部署的模型。本文我们还是使用OpenAI的API来调用大模型。

python
复制代码
pip install -U langchain-openai

1.2 通过LangChain的接口来调用OpenAI对话

python
复制代码
import os
# 加载 .env 到环境变量
from dotenv import load_dotenv, find_dotenv
_ = load_dotenv(find_dotenv())

from langchain_openai import ChatOpenAI ## langchain封装的openai对话接口
 
llm = ChatOpenAI() # 默认是gpt-3.5-turbo
response = llm.invoke("你是谁") ## 通过 invoke 传入对话
print(response.content)

## 运行结果输出：我是一个AI助手，没有具体的身份。我是由OpenAI开发的，可以帮助回答问题和提供信息。

1.3 多轮对话的封装

python
复制代码
import os
# 加载 .env 到环境变量
from dotenv import load_dotenv, find_dotenv
_ = load_dotenv(find_dotenv())

from langchain_openai import ChatOpenAI
 
llm = ChatOpenAI() # 默认是gpt-3.5-turbo

from langchain.schema import (
    AIMessage, #等价于OpenAI接口中的assistant role
    HumanMessage, #等价于OpenAI接口中的user role
    SystemMessage #等价于OpenAI接口中的system role
)

messages = [
    SystemMessage(content="你是[同学小张]的个人助理。你叫[小明]"), 
    HumanMessage(content="我叫[同学小张]"), 
    AIMessage(content="好的老板，你有什么吩咐？"),
    HumanMessage(content="我是谁") 
]
response = llm.invoke(messages)
print(response.content)

## 运行输出：您是同学小张。

通过以上代码可以看到：

LangChain内封装了AIMessage、HumanMessage、SystemMessage等消息类型，区分消息来源。
invoke对话接口接收一系列消息，可以实现多轮对话（上述代码中的多轮对话在哪：第一轮是“我叫[同学小张]”，第二轮我问它"我是谁"时，第一轮我的名字的信息带进去了，所以它才能回复：“您是同学小张”）。

这样模型封装的意义在哪？

可以实现不同模型间的无缝切换，llm = ChatOpenAI()是GPT模型，它可以换成 llm = ErnieBotChat()，其它代码都不用改，就可以切换到文心大模型。

好了，本文先写到这，算是对 LangChain 系列开了个头。后面咱们深入各个模块去学习和实战。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

😝有需要的小伙伴，可以点击下方链接免费领取或者V扫描下方二维码免费领取🆓

在这里插入图片描述

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

大模型 AI 能干什么？
大模型是怎样获得「智能」的？
用好 AI 的核心心法
大模型应用业务架构
大模型应用技术架构
代码示例：向 GPT-3.5 灌入新知识
提示工程的意义和核心思想
Prompt 典型构成
指令调优方法论
思维链和思维树
Prompt 攻击和防范
…

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

为什么要做 RAG
搭建一个简单的 ChatPDF
检索的基础概念
什么是向量表示（Embeddings）
向量数据库与向量检索
基于向量检索的 RAG
搭建 RAG 系统的扩展知识
混合检索与 RAG-Fusion 简介
向量模型本地部署
…

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

为什么要做 RAG
什么是模型
什么是模型训练
求解器 & 损失函数简介
小实验2：手写一个简单的神经网络并训练它
什么是训练/预训练/微调/轻量化微调
Transformer结构简介
轻量化微调
实验数据集的构建
…

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

硬件选型
带你了解全球大模型
使用国产大模型服务
搭建 OpenAI 代理
热身：基于阿里云 PAI 部署 Stable Diffusion
在本地计算机运行大模型
大模型的私有化部署
基于 vLLM 部署大模型
案例：如何优雅地在阿里云私有部署开源大模型
部署一套开源 LLM 项目
内容安全
互联网信息服务算法备案
…

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【`保证100%免费`】

😝有需要的小伙伴，可以Vx扫描下方二维码免费领取==🆓

在这里插入图片描述

AAI机器之心

关注

12
点赞
踩
18

收藏

觉得还不错? 一键收藏
0
评论
【AI大模型应用开发】【LangChain系列】 LangChain框架介绍，实现LangChain的Hello World

AI时代，相信大家或多或少都听过 LangChain 的大名。通俗的说，LangChain是一个面向大模型的开发框架（SDK）。
复制链接

扫一扫