P1 LangChain 的快速上手

0 观前须知

• 大家好，这里是 Yukiii，一个对大模型落地应用开发感兴趣的研0学生，正在自主学习开发所需的各种技能(并且被八股折磨中)，期待如果有志同道合(LangChain或八股或开发)的小伙伴请私信我，大家一起学习 😃
• LangChain 是一个使开发者更容易地构建和部署基于 LLM 的应用程序，简化与语言模型的交互。接下来，我将持续记录自己学习 LangChain 的学习过程，本篇先介绍如何快速上手 LangChain，我的学习过程只注重如何使用，并不在意其底层实现。

1 环境配置

• 在使用前需要 pip install 几个包，并且申请希望实用的模型的 API_KEY，非常简单，要安装的包有:

pip install langchain
pip install -qU langchain-openai
pip install langchain_community

• 演示一下如何申请模型的 API_KEY，以智谱为例，可以在 API keys 页面创建新的 API_KEY:

在申请完成之后，在自己的程序中添加如下环境设置:

import os

os.environ["OPENAI_API_KEY"] = <YOUR_API_KEY>
os.environ["OPENAI_API_BASE"] = "https://open.bigmodel.cn/api/paas/v4/"

• (可选) LangSmith 是一个用于监控跟踪模型调用情况的工具，可以添加配置以测试自己模型的调用情况，同样需要申请 API_KEY，可以在设置中进入如下界面并且申请:

申请完成后，同样需要添加环境设置:

os.environ["LANGCHAIN_TRACING_V2"] = "true"
os.environ["LANGCHAIN_API_KEY"] = <YOUR_API_KEY>

2 工具的介绍及使用

首先，让我们先认识几个 LangChain 的工具:

• model: 您选择使用的模型，模型具体的信息都可以在开发文档中查看，比如智谱AI的官方文档。
• StrOutputParser(): 通常模型的输入会带有一些提示信息，使用输出转换器可以只保留模型的回复。
• PromptTemplate: 提示词模板，用于接受用户的输入，并返回输入给大模型的 prompt 信息。
• chain: 按顺序连接 LangChain 模块，将从用户输入依次执行各个模块。

这样说还有些模糊，让我们用代码演示一下各个工具的功能，注意观察如何使用，及其各自的输出。

• 首先观察一下 model 和 StrOutputParser() 的使用，这里我用的模型是 GLM-4-Air，您当然可以按照自己的喜好选择模型(开发文档中有对各模型的介绍)，如果选择用其他公司的模型记得把 OPENAI-API-BASE 的配置改成相应的 url。

import os

from langchain_core.messages import SystemMessage, HumanMessage
from langchain_openai import ChatOpenAI
from langchain_core.output_parsers import StrOutputParser
from langchain_core.prompts import ChatPromptTemplate

os.environ["LANGCHAIN_TRACING_V2"