ChatGLM 集成进LangChain工具

最新一段时间一直在学习LangChain相关的文档,发现LangChain提供了非常丰富的生态,并且也可以让业务非常方便的封装自己的工具,接入到LangcChain的生态中,比如切换不同向量存储(Vectorstores)、文件分片(Text Splitters)和文件加载器(Document Loaders)等。 本文将简单介绍下如何将自己搭建的ChatGLM集成进LangChain工具链中,当然如果有其他的自己搭建的LLM模型也可以采用类似的方式集成。

接入自己的LLM

参考官方文档# How to write a custom LLM wrapper,只需要集成LLM方法,并且实现_call方法即可。一个简单的自定义LLM如下:

python复制代码from langchain.llms.base import LLM
from typing import Optional, List, Mapping, Any

class CustomLLM(LLM):
  n:int
  
  @property
  def _llm_type(self) -> str:
    return "custom"

  def _call(self,prompt:str,stop:Optional[List[str]]=None) -> str:
    if stop is not None:
      raise ValueError("stop kwargs are not permitted")
    return prompt[:self.n]
  
  @property
  def _identifying_params(self) -> Mapping
Chatglm 是一个基于语言链 (Langchain) 集成LLm 类。LLm (Language Learning Model) 类是一种用于语言学习的模型。Langchain 是一种集成各种语言学习资源和工具的平台,通过 Chatglm 类将 LLm 类与 Langchain 集成起来,可以提供更丰富、更高效的语言学习体验。 Chatglm 类基于 LLm 模型,具有一定的机器学习算法和自然语言处理能力,可以根据用户提供的输入行语言学习的交互。通过与 Chatglm 行对话,用户可以获取语法、词汇、语音、听力等方面的练习与学习。 通过集成 LangchainChatglm 类可以从各种语言学习资源中获取学习材料和练习题目,例如词汇表、语法规则、口语练习、听力练习、阅读材料等。用户可以通过与 Chatglm 行对话,选择不同的学习资源和练习类型,并获取个性化的学习推荐。 Chatglm 类还可以与其他学习者行交流,促语言学习的互动。通过与其他学习者的对话,用户可以分享学习经验、交流问题,相互学习、互相帮助。这种社交化学习的形式可以增加学习的趣味性和参与度。 总之,Chatglm集成Langchain 的各种语言学习资源和工具,通过 LLm 模型提供个性化的语言学习交互。它不仅可以提供丰富的学习材料和练习题目,还可以与其他学习者行交流,加强学习的互动性。通过与 Chatglm 类的对话,用户可以更有效地提升语言学习能力。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值