初学者指南:借助 LangChain 构建 LLM 驱动的应用程序!

初学者指南:借助 LangChain 构建 LLM 驱动的应用程序!

原文链接:A Beginner’s Guide to Building LLM-Powered Applications with LangChain!
作者:Pavan Belagatti
译者:倔强青铜三

前言

大家好,我是倔强青铜三。作为一名对技术充满热情的软件工程师,我热衷于分享和传播IT技术,致力于通过我的知识和技能推动技术交流与创新。欢迎关注我,微信公众号:倔强青铜三。期待您的点赞、收藏和关注,一键三连!

什么是大型语言模型(LLMs)?

大型语言模型(LLMs),如 OpenAI 的 GPT-3 和 GPT-4,是基于其训练数据理解和生成类人文本的机器学习算法。这些模型使用包含数百万甚至数十亿参数的神经网络构建,能够执行翻译、摘要、问答甚至创意写作等复杂任务。

LLMs 通过分析训练数据中的模式和词语之间的关系,生成连贯且符合上下文的输出。尽管它们能够模仿人类的文本风格,但它们并不具备意识、理解和情感。

初学者指南:借助 LangChain 构建 LLM 驱动的应用程序!_第1张图片

大型语言模型主要属于深度学习结构中的变换器网络(Transformer Networks)。变换器模型是一种神经网络,通过识别序列中元素之间的连接来理解上下文和意义,例如句子中的单词。

什么是 LangChain?

LangChain 是一个由 Harrison Chase 开发的开源平台,旨在帮助开发者构建基于大型语言模型的应用程序,如聊天机器人和定制化应用。LangChain 提供了一套全面的工具包,支持多种用例,包括聊天机器人、自动问答、文本摘要等。

LangChain 由以下六个模块组成:

  • 大型语言模型:提供与多种 LLMs 交互的标准接口。
  • 提示构建:简化提示创建和处理的类和函数。
  • 对话记忆:管理聊天历史,支持聊天机器人回忆之前的对话。
  • 智能代理:根据用户输入选择工具的代理。
  • 索引:组织文档以便与 LLMs 有效交互。
  • :将多个 LLMs 或其他模块组合用于复杂应用。

初学者指南:借助 LangChain 构建 LLM 驱动的应用程序!_第2张图片

LangChain 如何工作?

LangChain 将大量数据分解为小块,并将其嵌入到向量存储中。当用户输入提示时,LangChain 会查询向量存储以获取相关信息,并将这些信息传递给 LLM 以生成答案。

初学者指南:借助 LangChain 构建 LLM 驱动的应用程序!_第3张图片

开始使用 LangChain

安装和配置

  1. 安装 LangChain 和 OpenAI:

    pip install -q langchain openai
  2. 设置 OpenAI API 密钥:

    import os
    os.environ["OPENAI_API_KEY"] = "Your-API-Key"

示例代码

  1. 使用 LLM

    from langchain.llms import OpenAI
    llm = OpenAI(temperature=0.7)
    text = "世界上人口最多的五个城市是什么?"
    print(llm(text))
  2. 提示模板

    from langchain.prompts import PromptTemplate
    prompt = PromptTemplate(
        input_variables=["input"],
        template="世界上{input}最多的五个城市是什么?"
    )
  3. 创建链

    from langchain.chains import LLMChain
    llm = OpenAI(temperature=0.7)
    prompt = PromptTemplate(
        input_variables=["attribute"],
        template="世界上最大的{attribute}是什么?"
    )
    chain = LLMChain(llm=llm, prompt=prompt)
    print(chain.run("城市"))

使用 LangChain 开发应用程序

  1. 安装依赖

    pip install langchain openai
  2. 配置聊天机器人

    from langchain import ConversationChain, OpenAI, PromptTemplate, LLMChain
    from langchain.memory import ConversationBufferWindowMemory
    
    template = """助手是由 OpenAI 训练的大型语言模型。
    
    {history}
    人类:{human_input}
    助手:"""
    prompt = PromptTemplate(input_variables=["history", "human_input"], template=template)
    
    chatgpt_chain = LLMChain(
        llm=OpenAI(openai_api_key="YOUR-API-KEY", temperature=0),
        prompt=prompt,
        verbose=True,
        memory=ConversationBufferWindowMemory(k=2),
    )
    
    output = chatgpt_chain.predict(human_input="SingleStore 是什么?")
    print(output)

结语

LangChain 是一个强大的框架,帮助开发者构建基于大型语言模型的应用程序。它提供了丰富的工具和模块,支持复杂 AI 应用的开发。建议进一步学习 LLMs 和 LangChain 的相关教程,以深入了解其功能和用法。

最后感谢阅读!欢迎关注我,微信公众号倔强青铜三。欢迎点赞收藏关注,一键三连!!!

你可能感兴趣的:(初学者指南:借助 LangChain 构建 LLM 驱动的应用程序!)