langchain新版本v0.2文档：tutorials（1）

一、文档地址

Tutorials | 🦜️🔗 LangChain

二、Tutorials

快速上手案例

1. 基础

1.1 使用LCEL构建简单的LLM应用程序

案例说明

将把文本从英语翻译成另一种语言。案例中会用到language models语言模型、PromptTemplates模板、 OutputParsers输出解析器、LangChain Expression Language (LCEL)langchain表达语言、LangSmith调速器、LangServe服务器

其他说明

（1）文档中的案例采用了openai模型，作者学习时采用的是本地部署的qwen。详细部署参考win10部署本地大模型langchain+ollama_win10如何运行大模型-CSDN博客

（2）文档中采用的是chatModel（聊天模型，交互式的对话）作为案例，与之对应的是LLM（大语言模型，文本生成和补全）。接下来会展示二者输出的差异。

from langchain_community.llms import Ollama
from langchain_community.chat_models import ChatOllama
from langchain_core.messages import HumanMessage,SystemMessage
from langchain_core.output_parsers import StrOutputParser
from langchain_core.prompts import ChatPromptTemplate
# 使用llm
llm = Ollama(model="qwen:7b")
# 使用chatmodel
model = ChatOllama(model="qwen:7b")
# 使用格式化+链式
parser=StrOutputParser()
chain=model|parser
# 固定messages
messages=[
    SystemMessage(content="Translate the following from English into Chinese"),
    HumanMessage(content="hi")
]
# 使用模板
system_template = "Translate the following into {language}:"
human_template = "{text}"
prompt_template = ChatPromptTemplate.from_messages(
    [("system", system_template),("user", human_template)]
)
# langchain表达式；也就是采用“|”连接上下的component
chain1=prompt_template|chain
# 输出
print(llm.invoke(messages))
#你好！
print(model.invoke(messages))
# content = '你好！有什么我可以帮助你的吗？'
# response_metadata = {'model': 'qwen:7b', 'created_at': '2024-07-13T03:32:15.601267Z',
#                      'message': {'role': 'assistant', 'content': ''}, 'done': True, 'total_duration': 6628953700,
#                      'load_duration': 12998500, 'prompt_eval_count': 19, 'prompt_eval_duration': 3899168000,
#                      'eval_count': 9, 'eval_duration': 2712232000}
# id = 'run-5aa393a8-a19b-42bf-9021-3ad8a1512484-0'
print(chain.invoke(messages))
# 你好！有什么我可以帮助你的吗？
print(chain1.invoke({"language":"中文","text":"hi"}))
#你好！有什么我能帮助你的吗？