《易车实战学习Langchain开发》-00-LLM入门及Langchain 环境

大家好，我是静愚，朋友们都喜欢叫我“鲸鱼”。我将带领大家开启一段Langchain技术的实战之旅。

以《易车》实际应用场景为背景的系列学习文章，旨在帮助你们更直观、更深入地理解和掌握Langchain技术。

掌握一项技术，最重要的是能够解决实际业务问题。脱离了业务场景的技术，就像是无根之木、无源之水。

在这里，我们一起探索如何将Langchain技术应用于实际业务，让技术落地生根，助力业务发展。

1. 什么是AI大语言大模型

大语言模型（Large Language Model，简称LLM）是一种基于海量文本数据训练的深度学习模型。简单来说，它就像是一个超级聪明的“语言专家”，通过“阅读”互联网上无数的文章、书籍、对话等内容，学会了如何理解和生成人类语言。

想象一下，你有一个非常聪明的朋友，她看过无数的书、文章和对话，对各种语言知识和语境都非常熟悉。当你问她一个问题或者让她帮你写一篇文章时，她能够迅速理解你的意图，并给出一个既准确又符合语境的回答或文章。

大语言模型就是这个“超级聪明的朋友”的升级版，它通过深度学习算法，从海量的文本数据中提取语言知识和规则，从而能够自动地理解和生成自然语言。

主角Langchain

LangChain是一个开源的工具库，旨在为开发者提供一个简单、易用的接口，以构建和部署基于大型语言模型（LLM）的应用程序。它的目标是降低使用LLM的门槛，让更多的开发者能够轻松地利用这些强大的模型来解决实际问题。

大语言模型虽然很聪明，但是它自己并不知道在特定的场合下怎么用最合适。Langchain就是用来指导模型，让它能够在不同的场景下做正确的事情，比如在客服、写作、编程等不同领域都能发挥作用。

Langchain 官网：https://python.langchain.com/

Langchain Github：https://github.com/langchain-ai/langchain

2. 安装LangChain

首先，确保你的电脑上安装了Python。

LangChain的基本安装特别简单。

pip install langchain

注意：如果需要安装特定版本的Langchain或额外的依赖项（如用于与特定模型提供商集成的库），请查看Langchain的官方文档或GitHub仓库以获取详细信息。

用下面两种方法，我们就可以在安装 LangChain 的方法时，引入大多数的依赖项。

安装LangChain时包括常用的开源LLM（大语言模型） 库：

pip install langchain[llms]

安装完成之后，还需要更新到 LangChain 的最新版本，这样才能使用较新的工具。

pip install --upgrade langchain

3. 智普AI大模型

LangChain本质上就是对各种大模型提供的API的套壳，是为了方便我们使用这些API，搭建起来的一些框架、模块和接口。

因此，要了解LangChain的底层逻辑，需要了解大模型的API的基本设计思路。

虽然openai是大家认可度比较高的模型，但是在国内头部企业的大模型效果也都不错。这次我选择使用的是智普AI大模型。

智普AI开放平台：https://bigmodel.cn/

模型版本：glm-4

首先需要注册一下账号，在“控制台”可以看到自己的APIKey。

4. 调用智普AI大模型

第1步，先注册好你的API Key。

第2步，用 pip install zhipuai 命令来安装智普AI库。

第3步，导入 智普AI API Key。

导入API Key有多种方式，其中之一是通过下面的代码：

client = ZhipuAI(api_key="") # 请填写您自己的APIKey

当然，这种把Key直接放在代码里面的方法最不可取，因为你一不小心共享了代码，密钥就被别人看到了，他就可以使用你的GPT-4资源！

所以更好的方法是在操作系统中定义环境变量，比如在Linux系统的命令行中使用：

export ZHIPUAI_API_KEY='你的API Key'

或者，你也可以考虑把环境变量保存在.env文件中，使用python-dotenv库从文件中读取它，这样也可以降低API密钥暴露在代码中的风险。

可以参考文章：揭秘python-dotenv:那些鲜为人知的实用窍门

第4步，导入智普AI库。（如果你在上一步导入智普AI API Key时并没有导入库）

import zhipuai

第5步，调用模型，并返回结果。

from zhipuai import ZhipuAI
from dotenv import load_dotenv
import os

load_dotenv()

client = ZhipuAI(api_key=os.getenv('ZHIPUAI_API_KEY'))
response = client.chat.completions.create(
    model="glm-4",  # 填写需要调用的模型名称
    messages=[
        {"role": "user", "content": "你好！给我的汽车4s店起一个名字吧？"},
    ],
    stream=False,
)

第6步，打印输出大模型返回的文字。

print(response.choices[0].message.content)

5. 通过LangChain调用

最后，让我们来使用LangChain来调用智普AI的模型，完成了这个任务，入门就算完成了。

代码如下：

from langchain_community.chat_models import ChatZhipuAI
from langchain_core.messages import AIMessage, HumanMessage, SystemMessage
from dotenv import load_dotenv

load_dotenv() # 加载.env环境变量：ZHIPUAI_API_KEY

chat = ChatZhipuAI(
    model="glm-4",
    temperature=0.5,
)

messages = [
    SystemMessage(content="你是一个AI智能助手"),
    HumanMessage(content="请给我的汽车4s店起个名"),
]

response = chat.invoke(messages)
print(response.content)

这只是一个对API的简单封装：先导入LangChain的智普AI类，创建一个LLM（大语言模型）对象，指定使用的模型和一些生成参数。

使用创建的LLM对象和消息列表调用ZhipuAI类的__call__方法，进行文本生成。生成的结果被存储在response变量中。

最后

现在，基本的环境已经配置部署完成，下面我将继续带着大家一步一步通过《易车》智能问答系统，完整学习整个Langchain技术。