LangChain 版OpenAI-Translatorv2.0-学习笔记

大纲：
三个重点：
1.深入理解 Chat Model 和 Chat Prompt Template
2.基于 LangChain 优化 OpenAI-Translator 架构设计
3.OpenAI-Translator v2.0 功能特性研发

知识点：

• LangChain Chat Model - 回顾lanchain的Chat Model模块，并在项目中使用
• Chat Prompt Template - 在项目中使用 设计提示词模版
• Chat Model - 在项目中使用聊天模块
• LLMChain - 使用 LLMChain 简化构造 Chat Prompt
• 在 LangChain 中实现对大模型的管理
• 使用 TranslationChain
• Gradio - 使用 Gradio 作为前端
• Flask - 使用 Flask 作为 Server

其他：
https://osschat.io/chat?project=LangChain 用魔法打败魔法，将遗忘的知识点快速学习下。
https://codebeautify.org/python-formatter-beautifier 将打印内容美化

1.深入理解 Chat Model 和 Chat Prompt Template

第3和4点对比实现翻译，一个是使用Chat Model 一个是使用LLMChain

（1）温故：LangChain Chat Model 使用方法和流程

from langchain.chat_models import ChatOpenAI

chat_model = ChatOpenAI(model_name="gpt-3.5-turbo")
from langchain.schema import (
    AIMessage,
    HumanMessage,
    SystemMessage
)

messages = [
    SystemMessage(content='You are a helpful assistant.'),
    HumanMessage(content='Who won the world serirs in 2020?'),
    AIMessage(content='The Las Angeles Dodgers won the world Series in 2020.'),
    HumanMessage(content='Where was it played?')
]
print(messages)
result = chat_model(messages)
print(type(result))
print(result.content)

（2）使用 Chat Prompt Template 设计翻译提示模板

from langchain.schema import AIMessage, HumanMessage, SystemMessage
from langchain.prompts.chat import (
    ChatPromptTemplate,
    SystemMessagePromptTemplate,
    AIMessagePromptTemplate,
    HumanMessagePromptTemplate
)

# 定义system 消息
template = (
    """You are a translation expert, proficient in various language. \n
    Translation {language1} to {language2}
    """
)
# 将上面的多行提示词传入到 system prompt 中
system_message_prompt = SystemMessagePromptTemplate.from_template(template=template)
print(system_message_prompt)

# 翻译内容使用 human 来实现
human_template = '{text}'
human_message_prompt = HumanMessagePromptTemplate.from_template(human_template)
print(human_message_prompt)


# 使用 system 和 human 构建翻译提示词 todo：加深对ChatPromptTemplate模块的理解
chat_prompt_template = ChatPromptTemplate.from_messages(
    [system_message_prompt, human_message_prompt]
)
print(chat_prompt_template)

# 将提示词中的 format 参数传入提示词 prompt

# chat_prompt_template.format_prompt(
#     language1="English",
#     language2='Chinese',
#     text="I Love programming."
# )

（3）使用 Chat Model 实现双语翻译

# 使用 to_messages() 方法将提示词生成可以发送的 messages
chat_prompt = chat_prompt_template.format_prompt(
    language1="English",
    language2='Chinese',
    text="I Love programming."
).to_messages()


# 实现翻译- 使用 Chat Model 实现翻译
from langchain.chat_models import ChatOpenAI
translate_model = ChatOpenAI(model_name='gpt-3.5-turbo', temperature=0)

translate_result = translate_model(chat_prompt)
print(translate_result.content)

（4）使用 LLMChain 简化构造 Chat Prompt

# 使用system 和 human 构建翻译提示词 todo：加深对ChatPromptTemplate模块的理解
chat_prompt_template = ChatPromptTemplate.from_messages(
    [system_message_prompt, human_message_prompt]
)

from langchain import LLMChain
from langchain.chat_models import ChatOpenAI
translate_model = ChatOpenAI(model_name='gpt-3.5-turbo', temperature=0)
translation_chain = LLMChain(llm=translate_model, prompt=chat_prompt_template)
chain_result = translation_chain.run(
    {
        "text": 'hello world!',
        "language1": "English",
        "language2": "Chinese", 
    }
)
print(chain_result)

# chain_result = translation_chain.run(
#     {
#         "text": 'hello world!',
#         "language1": "English",
#         "language2": "French",
#     }
# )
# print(chain_result)

2.基于 LangChain 优化 OpenAI-Translator 架构设计

• 重构：V-1.0 结构：

• 重构后V-2.0 结构：

(1）由 LangChain 框架接手大模型管理

将 v1.0 版本的model模块大部分内容让langchain实现：
和第1块的第3个比较类似

from langchain.chat_models import ChatOpenAI
from langchain.chains import LLMChain

from langchain.prompts.chat import (
ChatPromptTemplate,
SystemMessagePromptTemplate,
HumanMessagePromptTemplate,
AIMessagePromptTemplate
)

from utils import LOG


class Translation:
    def __init__(self, model_name:str = "gpt-3.5-turbo", verbose:bool = True):

        # 翻译任务的提示词始终有system 角色承担
        template = (
            """You are a translation expert, proficient in various languages. \n
            Translates {source_language} to {target_language}."""
        )
        system_message_prompt = SystemMessagePromptTemplate.from_template(template)

        # 待翻译的内容由 human 角色承担

        human_template = ("{text}")
        human_message_prompt = HumanMessagePromptTemplate.from_template(human_template)

        # 使用human_prompt 和 system_prompt构建ChatPromptTemplate （messages？）
        chat_prompt_template = ChatPromptTemplate.from_messages(
            [system_message_prompt, human_message_prompt]
        )


        # 为了翻译结果的稳定，将temperature 设置为
        chat = ChatOpenAI(model_name=model_name, temperature=0, verbose=verbose)

        self.chain = LLMChain(llm = chat, promppt=chat_prompt_template, verbose=verbose)

    def run(self, text:str, source_language:str, target_language:str) -> (str, bool):
        result = ""
        try:
            result = self.chain.run({
                "text":text,
                "source_language":source_language,
                "target_language":target_language
            })
        except Exception as e:
            LOG.error(f"An error occurred during translation: {e}")
            return result, False

        return result, True

(2) 聚焦应用自身的 Prompt 设计

使用 TranslationChain 实现翻译接口

更简洁统一的配置管理

3.OpenAI-Translator v2.0 功能特性研发

基于Gradio的图形化界面设计与实现

基于 Flask 的 Web Server 设计与实现