自然语言处理从入门到应用——LangChain：快速入门-[安装与环境配置]

分类目录：《自然语言处理从入门到应用》总目录

---

在《自然语言处理从入门到应用——LangChain：快速入门》系列文章中我们会用最简练的语言与范例带领大家快速调试并上手LangChain，读者读完本系列的文章后，就会对LangChain有一个大致的了解并可以将LangChain运用到自己开发的程序中。但如果读者想对LangChain的各个模块进行更深入的了解，可以继续学习《自然语言处理从入门到应用——LangChain：核心模块的详细解释》系列文章。本文主要是阐述了LangChain的安装与环境配置过程，最后还会带领读者通过LangChain搭建一个简单的LLM模型。

安装

使用以下命令安装 LangChain:

pip install langchain

或者：

conda install langchain -c conda-forge

环境设定

使用LangChain通常需要与一个或多个模型提供程序、数据存储、 API 等集成。对于这个例子，我们将使用OpenAI的API，所以我们首先需要安装OpenAI的SDK:

pip install openai

然后我们需要在终端设置环境变量：

export OPENAI_API_KEY="..."

或者，你可以在Jupyter Notebook或Python脚本内完成：

import os
os.environ["OPENAI_API_KEY"] = "..."

构建语言模型应用程序: LLM

现在我们已经安装了LangChain并设置了我们的环境，我们可以开始构建我们的语言模型应用程序了。LangChain提供了许多可用于构建语言模型应用程序的模块。模块可以组合起来创建更复杂的应用程序，或者单独用于简单的应用程序。

LLM：从语言模型中获取预测

LangChain最基本的构建块是对某些输入调用 LLM。让我们来看一个简单的例子。假设我们正在构建一个基于公司产品生成公司名称的服务。为此，我们首先需要导入 LLM 包装器：

from langchain.llms import OpenAI

LLM初始化和调用

然后我们可以用任何参数初始化包装器。在这个例子中，我们可能希望输出更加随机，所以我们将以温度（Temperature）为0.9来初始化它。

llm = OpenAI(temperature=0.9)

我们现在可以根据一些输入调用它：

text = "What would be a good company name for a company that makes colorful socks?"
print(llm(text))

输出：

Feetful of Fun

有关如何在LangChain中使用LLM的详细信息，可以参阅LLM入门指南。

提示模板（PromptTemplate）: 管理 LLM 的提示

调用 LLM是第一步，但这仅仅是个开始。通常在应用程序中使用LLM时，不会将用户输入直接发送到LLM。相反，您可能接受用户输入并构造一个提示符，然后将其发送给LLM。例如，在前一个示例中，我们传入的文本被硬编码为询问一家生产彩色袜子的公司的名称。在这个虚构的服务中，我们希望只获取描述公司业务的用户输入，然后用这些信息格式化提示符。如果使用LangChain，这个事情将会变得很简单。首先让我们定义提示模板:

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

我们可以调用.format方法来格式化它。

print(prompt.format(product="colorful socks"))

输出：

What is a good name for a company that makes colorful socks?

参考文献：
[1] LangChain ️ 中文网，跟着LangChain一起学LLM/GPT开发