一文搞懂LangChain！什么是LangChain？带你快速入门LangChain-CSDN博客

本文链接：https://blog.csdn.net/Code1994/article/details/148470313

一、LangChain介绍

先看官方的定义

LangChain是一个基于语言模型开发应用程序的框架。它可以实现以下应用程序：

数据感知：将语言模型连接到其他数据源
自主性：允许语言模型与其环境进行交互

LangChain的主要价值在于：

组件化：为使用语言模型提供抽象层，以及每个抽象层的一组实现。组件是模块化且易于使用的，无论您是否使用LangChain框架的其余部分。
现成的链：结构化的组件集合，用于完成特定的高级任务

现成的链使得入门变得容易。对于更复杂的应用程序和微妙的用例，组件化使得定制现有链或构建新链变得更容易。

所以，LangChain是一个强大的框架，旨在帮助开发人员使用语言模型构建端到端的应用程序。LangChain通过将大型语言模型与其他知识库、计算逻辑相结合，实现了功能更加强大的人工智能应用。

二、LangChain组成部分

2.1 LangChain库

Python 和 JavaScript 库。包含接口和集成多种组件的运行时基础，以及现成的链和代理的实现。LangChain 库本身由几个不同的包组成。

langchain-core：基础抽象和 LangChain 表达语言。
langchain-community：第三方集成，主要包括 langchain 集成的第三方组件。
langchain：主要包括链 (chain)、代理(agent) 和检索策略。

2.2 LangChain任务处理流程

langChain 提供一套提示词模板 (prompt template) 管理工具，负责处理提示词，然后传递给大模型处理，最后处理大模型返回的结果，

LangChain 对大模型的封装主要包括 LLM 和 Chat Model 两种类型。

LLM - 问答模型，模型接收一个文本输入，然后返回一个文本结果。
Chat Model - 对话模型，接收一组对话消息，然后返回对话消息，类似聊天消息一样。

在这里插入图片描述

三、LangChain快速入门

3.1 安装LangChain

要安装LangChain，可以使用Pip和Conda进行安装。以下是安装LangChain的步骤：

pip install langchain

3.2 初始化模型

在使用LangChain之前，需要导入LangChain x OpenAI集成包，并设置API密钥作为环境变量或直接传递给OpenAI LLM类。

首先，获取阿里云的API密钥，可以通过创建账户并申请API来获取。然后，可以将API密钥设置为环境变量，方法如下：

import os
os.environ["DASHSCOPE_API_KEY"] = "替换API模型"

接下来，初始化模型：

from langchain_openaiimportChatOpenAI
llm = ChatOpenAI()

以上是关于LLM链的介绍，希望能帮助您更好地理解如何安装LangChain并构建不同类型的链。

fromlangchain_openaiimportChatOpenAI
fromopenaiimportOpenAI

client = OpenAI(
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    base_url="https://dashscope.aliyuncs.com/compatible-mode/v1",
)

llm = ChatOpenAI(
api_key=os.getenv("DASHSCOPE_API_KEY"),
    base_url="https://dashscope.aliyuncs.com/compatible-mode/v1",
    model="qwen-plus"
)

3.3 使用LLM

使用LLM来回答问题非常简单。可以直接调用LLM的invoke方法，并传入问题作为参数。此外，还可以通过提示模板(prompt template)生成提示词，用于向模型(LLM)发送指令。

下面演示了如何构建一个简单的LLM链(chains)：

from langchain_core.prompts import ChatPromptTemplate

# 创建一个提示模板(prompt template)
prompt = ChatPromptTemplate.from_messages([
    ("system", "你是AI智能助手"),
    ("user", "{input}")
])
# 编排了工作流，返回llm执行结果。
chain = prompt|llm

开始chain定义的步骤开始逐步执行。
chain.invoke({"input": "帮我写一篇关于AI的技术文章，100个字"})

3.4 输出转换

LLM的输出通常是一条消息，为了更方便处理结果，可以将消息转换为字符串。下面展示如何将LLM的输出消息转换为字符串：

fromlangchain_core.output_parsersimportStrOutputParser

# 创建一个字符串输出解析器
output_parser = StrOutputParser()

# 将输出解析器添加到LLM链中
chain = prompt|llm|output_parser

# 调用LLM链并提出问题
chain.invoke({"input": "帮我写一篇langchain的技术文章，100个字"})