利用LangChain与Eden AI模型进行创新：一个完整指南

最新推荐文章于 2024-11-06 12:46:34 发布

cgsayuclv

最新推荐文章于 2024-11-06 12:46:34 发布

阅读量377

点赞数 5

文章标签： langchain 人工智能 python

本文链接：https://blog.csdn.net/cgsayuclv/article/details/142682172

版权

引言

Eden AI正通过将顶尖的人工智能提供商齐聚一堂，彻底改变AI领域。提供一个综合性、一站式的平台，使用户能够快速将AI功能部署到生产中。本文将介绍如何使用LangChain与Eden AI模型互动，帮助开发者轻松访问AI的全部功能。

主要内容

1. 获取API密钥

要访问Eden AI的API，需要一个API密钥。请访问注册页面创建账户，并在设置页面获取API密钥。可以通过以下方式设置环境变量：

export EDENAI_API_KEY="..."

或者直接在初始化EdenAI LLM类时传入API密钥：

from langchain_community.llms import EdenAI

llm = EdenAI(edenai_api_key="...", provider="openai", temperature=0.2, max_tokens=250)

2. 模型调用

Eden AI API汇集了多家提供商和多种模型。以下是使用OpenAI的GPT-3.5进行文本生成的示例：

from langchain.chains import LLMChain
from langchain_core.prompts import PromptTemplate

llm = EdenAI(
    feature="text",
    provider="openai",
    model="gpt-3.5-turbo-instruct",
    temperature=0.2,
    max_tokens=250,
)

prompt = """
User: Answer the following yes/no question by reasoning step by step. Can a dog drive a car?
Assistant:
"""

llm(prompt)

3. 图片生成

通过Eden AI进行图片生成也很简单。以下是利用OpenAI进行图像生成的示例：

import base64
from io import BytesIO
from PIL import Image

def print_base64_image(base64_string):
    decoded_data = base64.b64decode(base64_string)
    image_stream = BytesIO(decoded_data)
    image = Image.open(image_stream)
    image.show()

text2image = EdenAI(feature="image", provider="openai", resolution="512x512")

image_output = text2image("A cat riding a motorcycle by Picasso")

print_base64_image(image_output)

代码示例

以下是LangChain链调用的一个完整示例：

from langchain.chains import LLMChain, SimpleSequentialChain
from langchain_core.prompts import PromptTemplate

llm = EdenAI(feature="text", provider="openai", temperature=0.2, max_tokens=250)
text2image = EdenAI(feature="image", provider="openai", resolution="512x512")

prompt = PromptTemplate(
    input_variables=["product"],
    template="What is a good name for a company that makes {product}?",
)

chain = LLMChain(llm=llm, prompt=prompt)

second_prompt = PromptTemplate(
    input_variables=["company_name"],
    template="Write a description of a logo for this company: {company_name}, the logo should not contain text at all ",
)
chain_two = LLMChain(llm=llm, prompt=second_prompt)

third_prompt = PromptTemplate(
    input_variables=["company_logo_description"],
    template="{company_logo_description}",
)
chain_three = LLMChain(llm=text2image, prompt=third_prompt)

overall_chain = SimpleSequentialChain(
    chains=[chain, chain_two, chain_three], verbose=True
)
output = overall_chain.run("hats")

print_base64_image(output)