LangChain-RAG学习之 LangChain框架入门

什么是LangChain

LangChain是一个强大的框架，旨在帮助开发人员使用语言模型构建端到端的应用程序。它提供了一套工具、组件和接口，可简化创建由大型语言模型 (LLM) 和聊天模型提供支持的应用程序的过程。LangChain 可以轻松管理与语言模型的交互，将多个组件链接在一起，并集成额外的资源，例如 API 和数据库。
官方文档：https://python.langchain.com/en/latest/
中文文档：https://www.langchain.com.cn/

从上图可以看到，LangChain 目前有四层框架：

最下层深色部分：LangChain的Python和JavaScript库。包含无数组件的接口和集成，以及将这些组件组合到一起的链（chain）和代理（agent）封装，还有链和代理的具体实现。
Templates：一组易于部署的参考体系结构，用于各种各样的任务。
LangServe：用于将LangChain链部署为REST API的库。
LangSmith：一个开发人员平台，允许您调试、测试、评估和监控基于任何LLM框架构建的链，并与LangChain无缝集成。
在最下层深色部分- LangChain的Python和JavaScript库中，可以看到它封装了一系列模块。

模型 I/O 封装，包括：

LLMs：大语言模型
ChatModels：一般基于 LLMs，但按对话结构重新封装
Prompt：提示词模板
OutputParser：解析输出
Retrieval 数据连接与向量检索封装，包括：

Retriever: 向量的检索
Document Loader：各种格式文件的加载器
Embedding Model：文本向量化表示，用于检索等操作
Verctor Store: 向量的存储
Text Splitting：对文档的常用操作
Agents 根据用户输入，自动规划执行步骤，自动选择每步需要的工具，最终完成用户指定的功能，包括：

Tools：调用外部功能的函数，例如：调 google 搜索、文件 I/O、Linux Shell 等等
Toolkits：操作某软件的一组工具集，例如：操作 DB、操作 Gmail 等等
Chain 实现一个功能或者一系列顺序功能组合

Memory 记忆封装，也就是上下文的管理能力封装

Callbacks 一些过程回调函数

LangChain的入门代码

LangChain内置了很多的api,首先我将学习他的一个入门接口:通过LangChain的接口来调用OpenAI对话

1.安装依赖

• pip 安装

python
复制代码
pip install langchain

• conda 安装

python
复制代码
conda install langchain -c conda-forge

python
复制代码
pip install -U langchain-openai

你的.env文件 

OPENAI_API_KEY="sk-111223"   # <-------- 你的原生 OpenAI API Key

 

import os
# 加载 .env 到环境变量
from dotenv import load_dotenv, find_dotenv
_ = load_dotenv(find_dotenv())

from langchain_openai import ChatOpenAI ## langchain封装的openai对话接口
 
llm = ChatOpenAI() # 默认是gpt-3.5-turbo
response = llm.invoke("你是谁") ## 通过 invoke 传入对话
print(response.content)

## 运行结果输出：我是一个AI助手，没有具体的身份。我是由OpenAI开发的，可以帮助回答问题和提供信息。