前端大模型入门：用 js+langchain 构建基于 LLM 的应用

余生H

已于 2024-09-16 22:33:57 修改

阅读量1k

点赞数 22

分类专栏：前端的AI工具书文章标签：前端 javascript langchain

于 2024-09-16 22:26:35 首次发布

本文链接：https://blog.csdn.net/m0_38015699/article/details/142308065

版权

前端的AI工具书专栏收录该内容

11 篇文章 0 订阅

订阅专栏

我相信很多前端小伙伴都会有点担心，随着大模型的发展，现在已经出现了能够根据设计图自动生成各种框架组件代码的插件。我们公司也在使用各种AI工具辅助开发，似乎前端未来的很迷茫。当前端肯定是不会消失的，只是会有比较大的变化。我自己断断续续的做相关学习和练习也有近两年了，接下来将会慢慢介绍下如何让AI成为自己的工具。

什么是 Langchain？

Langchain 是一个开源框架，旨在简化基于大型语言模型（LLM）的应用程序的开发。它提供了一系列工具和抽象，使得开发者能够更轻松地将 LLM 集成到他们的应用程序中，并构建出更加智能和交互式的应用。

核心思想

模块化: Langchain 将 LLM 应用分解为多个模块，如数据源、模型、提示、链等，使得开发者可以更方便地组合和定制这些模块。
可扩展性: Langchain 提供了丰富的插件和扩展机制，可以与各种 LLM、数据源和工具集成。
灵活性: Langchain 允许开发者自定义各种组件，以满足不同的应用需求。

为什么使用 Langchain？

简化开发: Langchain 提供了高层次的抽象，减少了开发者在底层 LLM 交互上的工作量。
提高效率: Langchain 可以加速 LLM 应用的开发和迭代。
增强功能: Langchain 提供了丰富的功能，如记忆、知识库、代理等，可以帮助开发者构建更复杂的应用。

JavaScript 入门

安装

npm install langchain

基本示例

JavaScript

import { LLMChain, OpenAI } from 'langchain';

// 创建 LLM
const model = new OpenAI({
  openaiApiKey: 'YOUR_API_KEY',
  temperature: 0.7,
});

// 创建链
const chain = new LLMChain({ llm: model, prompt: 'Tell me a joke.' });

// 调用链
chain.call()
  .then(output => {
    console.log(output);
  })
  .catch(error => {
    console.error(error);
  });

代码解释

导入模块: 导入 LLMChain 和 OpenAI 模块。
创建 LLM: 创建一个 OpenAI LLM 实例，并设置 API 密钥和温度参数。
创建链: 创建一个 LLMChain，将 LLM 和提示模板关联起来。
调用链: 调用链的 call() 方法，生成文本输出。

进阶示例：问答系统

JavaScript

import { LLMChain, OpenAI, PromptTemplate } from 'langchain';

// 创建 LLM - 百度文心、通义千问等也有兼容OpenAI的接口的
const model = new OpenAI({
  openaiApiKey: 'YOUR_API_KEY',
  temperature: 0.7,
});

// 创建提示模板
const promptTemplate = new PromptTemplate({
  template: '什么是 {question}? ',
  inputVariables: ['question'],
});

// 创建链
const chain = new LLMChain({ llm: model, prompt: promptTemplate });

// 调用链
chain.call({ question: '河南的省会' })
  .then(output => {
    console.log(output);
  })
  .catch(error => {
    console.error(error);
  });

代码解释