大模型 (LLM)LangChain面试题系列（三）如何使用LangChain?

最新推荐文章于 2025-06-18 11:25:30 发布

原创最新推荐文章于 2025-06-18 11:25:30 发布 · 454 阅读

7 ·

CC 4.0 BY-SA版权

文章标签：

#langchain #人工智能 #大模型 #AI大模型 #AI #LLM #面试

面试题4. 如何使用LangChain?

参考答案

使用 LangChain 框架通常涉及以下步骤，以下是一个基本的使用流程：

安装 LangChain：首先，您需要在您的开发环境中安装 LangChain。通常，这可以通过 Python 的包管理器 pip 来完成：
```
pip install langchain
```
设置语言模型：在使用 LangChain 之前，您需要配置一个语言模型。这可以是您自己的模型，或者是通过 API 访问的模型，如 OpenAI 的 GPT-3。您需要提供模型的访问密钥和相关的配置信息。
```
from langchain.chains import OpenAIChain
from langchain import OpenAI

# 配置 OpenAI 模型
llm = OpenAI(temperature=0.9, openai_api_key='your-api-key')
```

定义工具：工具是 LangChain 中的关键概念，它们可以是任何外部服务或功能。您需要定义工具的名称、功能描述和执行函数。

from langchain.tools import Tool

def search_function(query: str) -> str:
    # 这里实现搜索功能，返回搜索结果
    return "search results"

search_tool = Tool(name="search", description="Useful for searching the internet", func=search_function)

创建 Chain： Chain 是一系列操作的组合，用于处理输入、调用语言模型和生成输出。您可以根据需要创建自己的 Chain 或使用现有的 Chain。
```
from langchain.chains import SimpleSequentialChain

chain = SimpleSequentialChain(steps=[llm, search_tool])
```

执行 Chain：一旦定义了 Chain，您就可以执行它，并传入输入数据。

input_data = "What is the capital of France?"
result = chain.run(input_data)
print(result)

使用 Agent：如果您的应用需要更复杂的决策逻辑，您可以使用 Agent 来管理工具的使用和模型的交互。

from langchain.agents import Agent
from langchain import AgentExecutor

# 定义 Agent 的策略和工具
agent = Agent(tools=[search_tool], llm=llm)
agent_executor = AgentExecutor(agent=agent)

# 执行 Agent
result = agent_executor.run(input_data)
print(result)