虹科分享 | 用Redis为LangChain定制AI代理——OpenGPTs

来源：艾特保IT 虹科分享 | 用Redis为LangChain定制AI代理——OpenGPTs

原文链接：https://mp.weixin.qq.com/s/U8vTgGJk87c0kdYmIWD8wQ

欢迎关注虹科，为您提供最新资讯！

#AI代理 #OpenAI #Redis

OpenAI最近推出了OpenAI GPTs——一个构建定制化AI代理的无代码“应用商店”，随后LangChain开发了类似的开源工具OpenGPTs。OpenGPTs是一款低代码的开源框架，专用于构建定制化的人工智能代理。因为Redis具有高速和稳定性的优点，所以LangChain选择了Redis来作为OpenGPTs的默认向量数据库。

文章速览：

-OpenGPTs简介

-Redis在OpenGPTs中的作用

-在本地使用OpenGPTs

-在云端使用OpenGPTs

-Redis与LangChain赋能创新

一、OpenGPTs简介

通过几个配置步骤，我们可以用OpenGPTs构建一个精通Redis的机器人，名为“RedisGuru”。

以下是我们选择的LLM、系统消息和工具的示例，包括DuckDuckGo搜索、维基百科搜索，以及通过Kay.ai访问的公共新闻稿。

配置并部署RedisGuru后，可以测试代理如何运行：

此外，我们还可以查询有关Redis数据结构的问题。可以看到，RedisGuru记住了我的名字：

我们构建的这个RedisGuru代理只是一个应用示例。你也可以构建各类应用，比如电子邮件文案编辑器、智能研究助理、代码审查员等。

二、Redis在OpenGPTs中的作用

在这个OpenGPTs演示的背后，Redis提供了一个强大且高性能的数据层，是 OpenGPTs 技术栈不可或缺的一部分。

Redis可以持久化用户聊天会话（线程）、代理配置和嵌入式文档块，并用于向量数据库检索。

01 用户聊天会话

为了在对话中维持“状态”，Redis为OpenGPTs提供了用户与AI代理间的持久聊天线程。这些聊天会话也被输入到LLM中，以提供当前对话状态的上下文信息。

02 代理配置

为了支持多租户代理架构，Redis为OpenGPTs提供了一个远程的、低延迟的存储层。当应用程序启动时，它从Redis读取指定的代理设置，然后开始处理请求。

03 向量数据库用于RAG

为了让对话基于实际情况，OpenGPTs允许我们上传“知识”源，以便LLM将其与生成的答案结合。通过一种称为检索增强生成（RAG）的过程，OpenGPTs将上传的文档存储在Redis中，并提供实时向量搜索，以检索与LLM相关的上下文。

这些功能是Redis平台的一部分，通过我们的LangChain + Redis集成融入到应用程序中。

Redis与LangChain的OpenGPTs集成带来了更高的灵活性、可扩展性以及实时处理和搜索能力。处理多样化数据结构的能力是Redis成为OpenGPTs记忆功能的首选解决方案。

三、在本地使用OpenGPTs

如果想亲自体验OpenGPTs，你可以在项目的README文件中找到更详细的指南。以下是一个快速概述：

1. 安装后端依赖：克隆项目仓库，然后导航到后端目录并安装必要的Python依赖项。

-cd backend

-pip install -r requirements.txt

2、连接Redis和OpenAI：OpenGPTs使用Redis作为LLM的记忆库，使用OpenAI进行LLM的生成和嵌入。设置环境变量REDIS_URL和OPENAI_API_KEY，以连接到您的Redis实例和OpenAI账户。

-export OPENAI_API_KEY=your-openai-api-key

-export REDIS_URL=redis://your-redis-url

3、启动后端服务器：在本地机器上运行LangChain服务器，提供应用程序服务。

-langchain serve --port=8100

1. 启动前端：在前端目录中，使用yarn启动开发服务器。

-cd frontend

-yarn

-yarn dev

5、在浏览器中打开http://localhost:5173/，与您的本地OpenGPTs部署进行交互。

四、在云端使用OpenGPTs

如果希望在没有本地设置的情况下使用OpenGPTs，可以尝试在谷歌云上部署。另外，你还可以访问由LangChain、LangServe和Redis支持的托管预览部署。这种部署展示了OpenGPTs的可定制性和易用性。

五、Redis与LangChain赋能创新

Redis企业版作为一款企业级的低延迟向量数据库，在支持生成性AI项目方面具有独特优势。其不仅提供向量搜索，还提供多功能数据结构，能有效满足LLMs的应用状态需求。这个强大的平台提供了优异的可扩展性和性能，Redis借此成为生成式AI领域的重要工具。