Chains（链）

LangChain学习文档

Chains（链）

【LangChain】不同的调用方式(Different call methods)

---

概述

单独使用 LLM 对于简单的应用程序来说是OK的，但更复杂的应用程序需要 LLM链 - 彼此链接或与其他组件链接。

LangChain为此类“链式”应用提供了Chain接口。我们将链非常笼统地定义为对组件的调用序列，其中可以包括其他链。基本接口很简单：

class Chain(BaseModel, ABC):
    """Base interface that all chains should implement."""

    memory: BaseMemory
    callbacks: Callbacks

    def __call__(
        self,
        inputs: Any,
        return_only_outputs: bool = False,
        callbacks: Callbacks = None,
    ) -> Dict[str, Any]:
        ...

这种将组件组合成一个链的想法很简单但很强大。它极大地简化了复杂应用程序的实现并使之更加模块化，从而使调试、维护和改进应用程序变得更加容易。

欲了解更多信息，可以查看：

• 如何使用 - 不同链功能的演练
• 基础 - 熟悉核心构建区块链
• Document - 学习如何将文档合并到链中
• 适用于最常见用例的流行链
• 另外 - 查看一些可以开箱即用的更高级的链和集成

为什么我们需要chains

链允许我们将多个组件组合在一起以创建一个单一的、连贯的应用程序。例如，我们可以创建一个链，它接受用户输入，使用 PromptTemplate 对其进行格式化，然后将格式化的响应传递给 LLM。我们可以通过将多个链组合在一起，或者将链与其他组件组合来构建更复杂的链。

开始使用

使用LLMChain

LLMChain是构建区块链的基础。它采用提示模板(Prompt template)，根据用户输入对其进行格式化，然后返回LLM的响应。
要使用LLMChain，首先创建一个提示模板。

from langchain.llms import OpenAI
from langchain.prompts import PromptTemplate

# temperature=0.9是随机度，0-1，越大随机度越高，信息回答越不准确
llm = OpenAI(temperature=0.9)
prompt = PromptTemplate(
    input_variables=["product"],
    template="What is a good name for a company that makes {product}?",
)

我们现在可以创建一个非常简单的链，它将接受用户输入，用它格式化prompt，然后将其发送给LLM。

from langchain.chains import LLMChain
chain = LLMChain(llm=llm, prompt=prompt)

# Run the chain only specifying the input variable.
print(chain.run("colorful socks"))

结果：

    Colorful Toes Co.

如果有多个变量，可以使用字典(键值对)一次性输入它们。

prompt = PromptTemplate(
    input_variables=["company", "product"],
    template="What is a good name for {company} that makes {product}?",
)
chain = LLMChain(llm=llm, prompt=prompt)
print(chain.run({
    'company': "ABC Startup",
    'product': "colorful socks"
    }))

结果：

    Socktopia Colourful Creations.

你也可以在LLMChain中使用聊天模型：

from langchain.chat_models import ChatOpenAI
from langchain.prompts.chat import (
    ChatPromptTemplate,
    HumanMessagePromptTemplate,
)
human_message_prompt = HumanMessagePromptTemplate(
        prompt=PromptTemplate(
            template="What is a good name for a company that makes {product}?",
            input_variables=["product"],
        )
    )
chat_prompt_template = ChatPromptTemplate.from_messages([human_message_prompt])
# 这里创建的是聊天模型
chat = ChatOpenAI(temperature=0.9)
chain = LLMChain(llm=chat, prompt=chat_prompt_template)
print(chain.run("colorful socks"))

结果：

    Rainbow Socks Co.

总结

1. 创建大模型 llm = OpenAI(temperature=0.9)
2. 创建提示：prompt：本质上就是向大模型提出的问题：

prompt = PromptTemplate(
    input_variables=["company", "product"],
    template="What is a good name for {company} that makes {product}?",
)

3. 将llm、prompt作为参数，创建chain：chain = LLMChain(llm=llm, prompt=prompt)
4. 执行chain：chain.run("colorful socks")

参考地址：

https://python.langchain.com/docs/modules/chains/