总结之LangChain（一）—— 简单使用LangChain

LangChain介绍

LangChain官网：https://python.langchain.com/v0.2/docs/introduction/

LangChain 是一个基于大型语言模型（LLM）开发应用程序的框架。

LangChain 简化了LLM应用程序生命周期的每个阶段：

• 开发：使用 LangChain 的开源构建模块和组件构建应用程序。使用第三方集成(opens in a new tab)和模板(opens
  in a new tab)快速上手。
• 生产化：使用LangSmith检查、监控和评估你的链条，以便你可以持续优化和自信地部署。
• 部署：使用LangServe(opens in a new tab)将任何链条转变为 API。

该框架由以下开源库组成：

• langchain-core：基本抽象和 LangChain 表达式语言。
• langchain-community：第三方集成。 合作伙伴包（例如
  langchain-openai，langchain-anthropic 等）：某些集成已进一步拆分为仅依赖于
  langchain-core 的轻量级包。
• langchain：构成应用程序认知架构的链条、代理和检索策略。
• langgraph(opens in a new
  tab)：通过将步骤建模为图中的边缘和节点，使用LLMs构建强大且有状态的多角色应用程序。
• langserve(opens in a new tab)：将 LangChain 链条部署为 REST API。

使用LangChain

使用的方法我们可以参考官网
How-to guides:https://python.langchain.com/v0.2/docs/how_to/

第一步 引包

pip install langchain

使用API提供的模型，如OpenAI

pip install langchain-openai

第二步 获取访问API

访问openai网址，注册后生成个人API-KEY
讲key设置为环境变量

export OPENAI_API_KEY="..."

第三步 初始化模型

from langchain_openai import ChatOpenAI
 
llm = ChatOpenAI()

或者不设置环境变量的话，通过参数形式写入

from langchain_openai import ChatOpenAI
 
llm = ChatOpenAI(api_key="...")

第四步 通过LangChain使用LLM

llm.invoke("明天的天气怎么样？")

我们还可以使用提示模板来指导其回答。 提示模板将原始用户输入转换为更好的输入以供LLM使用。

from langchain_core.prompts import ChatPromptTemplate
prompt = ChatPromptTemplate.from_messages([
    ("system", "你是一个专业的天气播报员"),
    ("user", "{input}")
])

组合成一个简单的LLM链

chain = prompt | llm 

这样我在次提问，AI回答的方向和语境更倾向于天气播报员了

chain.invoke({"input": "明天的天气怎么样？"})

ChatModel的输出（因此，也是这个链的输出）是一个消息。然而，使用字符串更方便。让我们添加一个简单的输出解析器将聊天消息转换为字符串。

from langchain_core.output_parsers import StrOutputParser
 
output_parser = StrOutputParser()

将其添加到之前的链中

chain = prompt | llm | output_parser

现在，我们可以调用它并问相同的问题。答案现在将是一个字符串（而不是ChatMessage）。

chain.invoke({"input": "明天的天气怎么样？"})