LangChain与大型语言模型(LLMs)应用基础教程:信息抽取
LangChain是大型语言模型(LLM)的应用框架,LangChain可以直接与 OpenAI 的 text-davinci-003、gpt-3.5-turbo 模型以及 Hugging Face 的各种开源语言模如 Google 的 flan-t5等模型集成。通过使用LangChain可以开发出更为强大和高效的LLM的各种应用。
信息抽取
我们给LLM提供一篇文章，我们希望LLM能帮我们把文章的主要内容罗列出来，文字尽量精简，简明扼要，如果想达到这样的目的，通过调用LLM提供的API似乎也能实现，但是Prompt可能会比较复杂，要把prompt写清楚，让LLM能够理解您的意图，可能也不是一件容易的事情。此时如果我们使用Langchain的prompt模板可以轻松完成类似的工作。
首先安装必要的python包
pip -q install openai langchainfrom langchain.prompts import PromptTemplate
from langchain.llms import OpenAIChat
from langchain.chains import LLMChain
import os
#你申请的openai的api key
os.environ['OPENAI_API_KEY'] = 'xxxxxxxx'这里我们有一段关于阿尔茨海默病的文本描述，我们希望llmn能够从中提炼出有价值的信息，为此我们需要定义一个prompt模板，将文本信息作为一个变量存储在模板中，这样我们每次只要更换不同的文本信息就可以就可以实现让llm从中提取关键信息的功能,而不必每次都要告诉llm它应该做什么事情。
text="阿尔茨海默病(Alzheimer's disease, AD),俗称老年痴呆症,是一种全身性神经退行性疾病，它是由大脑神经退行性变性引起的，\
主要表现为记忆力减退、思维能力减退、行为变化等。阿尔茨海默病的原因尚不十分清楚，但是研究表明，阿尔茨海默病可能与遗传因素、环境因素、\
营养不良、压力过大、不良生活习惯等有关。根据世界卫生组织的统计数据，全球有超过4700万人患有阿尔茨海默病，其中美国有超过600万人患有阿尔茨海默病，\
欧洲有超过1000万人患有阿尔茨海默病，亚洲有超过2500万人患有阿尔茨海默病，其中中国有超过1000万人患有阿尔茨海默病。阿尔茨海默病的发病率与年龄有关，\
随着年龄的增长而增加，65岁以上的人群为主要受害群体，占比高达80%，其中45-65岁的人群占比为15%，20-45岁的人群占比为5%。65岁以上的人群发病率约为10%，\
75岁以上的人群发病率约为20%，85岁以上的人群发病率约为30%。根据统计，男性患病率高于女性，男性患病比例为1.4：1，即男性患病率比女性高出40%。\
根据统计，阿尔茨海默病在不同的人种中分布情况也有所不同。白人患病率最高，占总患病率的70%，黑人患病率次之，占总患病率的20%，\
其他少数民族患病率最低，占总患病率的10%。阿尔茨海默病在不同的饮食习惯中分布情况也有所不同。维生素B12缺乏的人群患病率更高，\
而均衡膳食的人群患病率较低。阿尔茨海默病不仅会给患者带来记忆力减退、思维能力减退、行为变化等症状，还会给患者的家庭带来巨大的心理负担。\
因此，患者应尽快就医，及时进行治疗。治疗阿尔茨海默病的方法有药物治疗、行为治疗、认知行为治疗等，具体治疗方案要根据患者的具体情况而定。"
#加载openai的llm
llm = OpenAIChat(model_name="gpt-3.5-turbo")
#创建模板
fact_extraction_prompt = PromptTemplate(
input_variables=["text_input"],
template="从下面的本文中提取关键事实。尽量使用文本中的统计数据来说明事实:\n\n {text_input}"
)
#定义chain
fact_extraction_chain = LLMChain(llm=llm, prompt=fact_extraction_prompt)
facts = fact_extraction_chain.run(text)
print(facts)
给出治疗方案
我们让llm从一大堆文本信息中抽取了关键信息，我们让llm根据这些关键信息给出治疗建议,下面我们需要再建一个prompt模板，把提取的关键信息作为变量存储在该模板中。
doctor_prompt = PromptTemplate(
input_variables=["facts"],
template="你是神经内科医生。根据以下阿尔茨海默病的事实统计列表，为您的病人写一个简短的预防阿尔茨海默病的建议。 不要遗漏关键信息：\n\n {facts}"
)
定义chain
doctor_chain = LLMChain(llm=llm, prompt=doctor_prompt)
doctor_suggest = doctor_chain.run(facts)
print(doctor_suggest)
把不同的Chain整合在一起
前面我们定义了两个Chain，一个用来从文本中抽取关键信息，另一个根据抽取的关键信息给出治疗建议，这里我们还可以把这两个Chain整合在一起，让它可以自动完成这两个工作：
from langchain.chains import SimpleSequentialChain, SequentialChain
#定义SimpleSequentialChain
full_chain = SimpleSequentialChain(chains=[fact_extraction_chain, doctor_chain],
verbose=True)
response = full_chain.run(text)
API Chain
我们知道像ChatGPT这样的大型语言模型是非常强大的，不过由于它们目前学到的都是2022年之前的知识，对于2022年之后发生的事情它们可能一无所知，所以仍然有一些简单的基础性问题它也无法回答，比如您问ChatGPT当前的时间，当前的天气情况等，它仍然无法给出正确答案，不过LangChain和LLm集成以后，可以通过访问第三方提供的API来获取我们需要的信息，并把这些信息喂给llm，这样llm就可以从中提炼出我们需要的内容和格式输出给我们。下面我们通过一个例子来说明如何让Langchain调用第三方机构的api,并返回结果给ChatGPT，最后ChatGPT按照正确的格式输出我们想要的内容。
这里,我们向ChatGPT询问上海当前的温度，一般情况下ChatGPT是无法给出正确的答案。
from langchain.llms import OpenAIChat
from langchain.chains.api.prompt import API_RESPONSE_PROMPT
from langchain.chains import APIChain
from langchain.prompts.prompt import PromptTemplate
from langchain.chains.api import open_meteo_docs
llm = OpenAIChat(model_name="gpt-3.5-turbo")
chain_new = APIChain.from_llm_and_api_docs(llm,open_meteo_docs.OPEN_METEO_DOCS,verbose=True)
#我们向ChatGPT询问上海当前的温度
chain_new.run('上海现在的温度是多少摄氏度？')
我们可以看到langchain的APIChain首先访问了第三方(open-meteo.com)的天气预报API,然后返回一大堆天气预报的信息,但是信息需要通过ChatGPT来解析后再返回给用户他们需要的内容：
API 调用地址：https://api.open-meteo.com/v1/forecast?latitude=31.2304&longitude=121.4737&hourly=temperature_2m¤t_weather=true&temperature_unit=celsius
API 返回信息：
ChatGPT返回信息：
不过目前ChatGPT根据API调用结果返回的信息还是英文的。虽然实现了我们的要求，但还是有点瑕疵。
总结
今天我们学习了如何利用langchain的chain结合LLM来提取文本信息中的关键内容，然后通过另外一个chain根据这些关键信息给出治疗疾病的建议，最后我们把这两个chain整合为一个更为强大的Chain,它可以自动完成这两份工作。另外我们还介绍了langchain的API Chain，通过让api chain调用第三方提供的API, 我们可以让ChatGPT回答一些以前无法回答的问题。
参考资料
LangChain 官方文档