使用LangChain集成Tongyi：打造智能对话模型

jaioyfpo

于 2024-10-02 13:06:25 发布

阅读量181

点赞数 2

文章标签： langchain python

本文链接：https://blog.csdn.net/jaioyfpo/article/details/142680446

版权

引言

在人工智能领域，整合强大的语言模型如Tongyi可以显著提高应用程序的智能和交互能力。本文将详细介绍如何通过LangChain与Tongyi集成，构建一个智能对话模型。我们将提供实用的代码示例，探讨常见的挑战，并提供进一步学习的资源。

主要内容

1. 什么是Tongyi？

Tongyi是由阿里巴巴达摩院开发的大型语言模型，它可以通过自然语言理解和语义分析来处理用户输入，为多种领域和任务提供服务和支持。结合LangChain，能够更轻松地集成和使用这些强大的模型。

2. 环境准备

首先，需要安装相关的Python包。使用以下命令安装Dashscope：

%pip install --upgrade --quiet dashscope

安装完成后，可能需要重启内核以应用更新。

3. 配置API访问

在使用API之前，需要获取API密钥。可以访问阿里云文档以获取新的密钥。使用以下代码来设定API密钥：

from getpass import getpass
import os

DASHSCOPE_API_KEY = getpass("Enter your Dashscope API Key: ")
os.environ["DASHSCOPE_API_KEY"] = DASHSCOPE_API_KEY

4. 使用LangChain与Tongyi集成

以下是一个简单的示例，展示如何使用LangChain调用Tongyi进行对话：

from langchain_community.chat_models.tongyi import ChatTongyi
from langchain_core.messages import HumanMessage

chatLLM = ChatTongyi(streaming=True)

# 使用API代理服务提高访问稳定性
res = chatLLM.stream([HumanMessage(content="hi")], streaming=True)
for r in res:
    print("chat resp:", r)

在上述代码中，我们创建了一个ChatTongyi对象，并发送了一条简单的消息，获取模型回复。

代码示例

下面展示了如何使用Tongyi进行翻译任务：

from langchain_core.messages import HumanMessage, SystemMessage

messages = [
    SystemMessage(content="You are a helpful assistant that translates English to French."),
    HumanMessage(content="Translate this sentence from English to French. I love programming.")
]

chatLLM = ChatTongyi()
response = chatLLM.invoke(messages)
print(response.content)