【2024最全最细Langchain教程-2 】Langchain模型I/O之模型包装器

【2024最全最细Langchain教程-1 】调用openai实现人工智能时代的hello_world-CSDN博客

中我们介绍了如何使用openai内置的方法进行调用，但是在实际业务中，我们不太可能直接去直接调用openai的接口，我们需要使用更简单和便利的工具来操纵大模型、向量数据库、本地文件等等，这个就是Langchain的重要意义，它基本就类似于JAVA后端开发时代的Spring、Structs等开发工具，会大大提高我们开发基于大模型的应用的效率：

1. 进入虚拟环境，启动jupyter

        安装langchain相关包（-q的意思是quiet，安装时不显示细节信息）

pip install -q langchain

2. 使用LLM模型包装器进行调用

        这里从langchain.llms中引入OpenAI，这里引入的是LLM模型

        设置秘钥

import langchain
import os

from langchain.llms import OpenAI

api_key = os.getenv("OPENAI_API_KEY")

 创建OpenAI的实例，temperature的值越高，openai的回答越发散、越有创造力（当然也有可能越不准确），调用OpenAI的 invoke()方法，输入问题，得到回答：

​
llm = OpenAI(
    openai_api_key = api_key, 
    temperature=0.5,
    base_url="https://wdapi7.61798.cn/v1"

)
response = llm.invoke('谁是中国改革开放的总设计师？')
print(response,type(response))

​

这里是结果显示，注意这里response的类型是string，使用LLM模型包装器调用返回的结果是字符串类型:

3. 使用聊天模型包装器进行调用

 从langchain_openai中引入的ChatOpenAI是聊天模型包装器，用法和上文提到的OpenAI基本一致，只是返回的消息是AIMessage类型：

import langchain
import os

from langchain_openai import ChatOpenAI


api_key = os.getenv("OPENAI_API_KEY")

llm = ChatOpenAI(
openai_api_key=api_key,
temperature = 0.5,
base_url = "https://apejhvxcd.cloud.sealos.io/v1"
)

response = llm.invoke("中国改革开放的总设计师是谁?")

print(response,type(response))

注意类型是不一样的：

 一般来说，两种模型包装器都是可以使用的，但是后面等我们开始构建比较复杂的应用的时候，我们还是推荐使用聊天模型包装器。

4. GITHUB和视频教学地址

        B站视频地址：【2024最全最细】langchain之模型包装器_哔哩哔哩_bilibili

        github地址：https://github.com/jerry1900/jupyter

        如需openai国内节点账号请与我联系：15652965525（微信）