📚 LangChain基础知识学习笔记 | 解锁LLMs应用新技能 🚀
Hey小伙伴们!今天来跟大家分享我最近学习的超酷框架——LangChain!如果你也对大语言模型(LLMs)的应用开发感兴趣,这篇笔记你绝对不能错过!🌟
1. 什么是LangChain? 🤔
LangChain是由Harrison Chase在2022年10月创建的,它是一个围绕LLMs建立的框架。LangChain并不直接开发LLMs,而是为各种LLMs提供通用的接口,将相关组件“链接”在一起,大大降低了LLMs应用的开发难度。🔧
2. LangChain的核心组件 🔧
- Models:支持LLMs、Chat Models和Embeddings Models。LLMs接收文本返回文本,Chat Models处理聊天消息,Embeddings Models则将文本转换为浮点数列表。
- Prompts:包括提示管理、提示优化和提示序列化。通过zero-shot和few-shot提示方式,让模型理解更复杂的业务场景。
- Chains:描述将LLM与其他组件结合完成应用程序的过程。
- Agents:负责控制整段代码的逻辑和执行,可以访问第三方工具(如搜索引擎、数据库)来辅助LLMs。
- Memory:保存和模型交互时的上下文状态,分为短期记忆和长期记忆。
- Indexes:用于结构化文档,以便和模型交互。
3. 快速上手示例 💻
-
安装LangChain和qianfan:
pip install langchain pip install qianfan
-
使用Qianfan大模型平台:
- 申请API KEY和SECRET KEY。
- 编写代码调用模型,比如让模型讲个笑话:
import os from langchain_community.llms import QianfanLLMEndpoint os.environ['QIANFAN_AK'] = "你的API KEY" os.environ['QIANFAN_SK'] = "你的SECRET KEY" llm = QianfanLLMEndpoint(model="ERNIE-Bot-turbo") res = llm("帮我讲个笑话吧") print(res)
4. Agents实战 🔍
Agents超级强大,可以帮助我们完成更复杂的任务。比如,查询中国的人口数量:
from langchain_community.llms import QianfanLLMEndpoint
from langchain.agents import load_tools, initialize_agent, AgentType
llm = QianfanLLMEndpoint(model='Qianfan-Chinese-Llama-2-7B')
tools = load_tools(["wikipedia"], llm=llm)
agent = initialize_agent(tools=tools, llm=llm, agent=AgentType.ZERO_SHOT_REACT_DESCRIPTION, verbose=True)
prompt_template = "中国目前有多少人口"
prompt = PromptTemplate.from_template(prompt_template)
res = agent.run(prompt)
print(res)
5. 总结 📚
LangChain真是一个超级实用的框架,它让LLMs应用的开发变得更加简单和高效。通过学习LangChain,你可以快速搭建起自己的智能应用,解锁LLMs的无限可能!🚀
希望这篇学习笔记对大家有所帮助,如果你也对LangChain感兴趣,不妨动手试一试吧!记得给我点赞和关注哦!❤️
记得在发布时,添加一些相关的图片或图表,让笔记更加生动有趣!如果有任何问题或想要进一步讨论,欢迎在评论区留言哦!💬