使用LangServe让本地大模型提供API

本文链接：https://blog.youkuaiyun.com/pythonhy/article/details/144288153

简介

`LangServe` 是一个 `Python` 包，专门用于将基于 `LangChain` 的程序和链部署为生产就绪的 API。
- **易于调试**：它提供了一个 `Playground`，允许开发者实时地与他们的智能机器人互动，测试不同的输入并查看即时输出，这有助于快速迭代和调试。
- **支持并发**：它支持并发请求，这意味着多个用户可以同时使用部署的服务而不会出现性能问题。
- **安全性**：提供了一些安全性措施，如请求追踪，确保数据传输的安全。
- **支持流式传输和异步调用**：支持流式传输和异步调用，这对于需要实时反馈或处理大量数据的应用程序来说非常有用。

本文通过一个简单的应用演示`LangServe`如何使用。

安装`LangServe`

pip install "langserve\[all\]"

创建链

创建一个问答链，它提供简单地翻译功能。

from fastapi import FastAPI
from langchain\_core.prompts import ChatPromptTemplate
from langchain\_core.output\_parsers import StrOutputParser
from langchain\_ollama.llms import OllamaLLM
from langserve import add\_routes

# 1. 创建提示词模板
system\_template = "Translate the following into {language}:"
prompt\_template = ChatPromptTemplate.from\_messages(\[
    ('system', system\_template),
    ('user', '{text}')
\])

# 2. 创建本地大模型
model = OllamaLLM(model="llama3.1")

# 3. 创建解析器
parser = StrOutputParser()

# 4. 创建链
chain = prompt\_template | model | parser

至此，一个简单的问答链已经创建好了。

运行它需要两个参数：`language`、`text`。
请提前通过 `ollama run llmama3.1` 在本地启动大模型。

使用`langServe`将链包装为`API`

\# 5. App 定义
app = FastAPI(
  title="LangChain Server",
  version="1.0",
  description="使用 LangChain 的 Runnable 接口的简单 API 服务器。",
)

# 6. 添加链的路由
add\_routes(
    app,
    chain,
    path="/translate",
)

if \_\_name\_\_ == "\_\_main\_\_":
    import uvicorn

    uvicorn.run(app, host="localhost", port=8010)

启动测试

启动此程序，出现类似下面的输出则说明启动成功。

根据上图的信息，在浏览器输入`http://localhost:8010/translate/playground/` 玩一下此接口。

我们也可以打开接口文档，可以看见它还提供了很多其它接口，留在我们根据需要使用。

上述接口还包含了批量处理以及stream处理方式。

下载源代码

- [gitee]
- [github]

程序员为什么要学大模型？

大模型时代，火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业？”“谁的饭碗又将不保了？”等问题热议不断。

事实上，抢你饭碗的不是AI，而是会利用AI的人。

继科大讯飞、阿里、华为等巨头公司发布AI产品后，很多中小企业也陆续进场！超高年薪，挖掘AI大模型人才！ 如今大厂老板们，也更倾向于会AI的人，普通程序员，还有应对的机会吗？

与其焦虑……

不如成为「掌握AI工具的技术人」，毕竟AI时代，谁先尝试，谁就能占得先机！

但是LLM相关的内容很多，现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学，学习成本和门槛很高。

针对所有自学遇到困难的同学们，我帮大家系统梳理大模型学习脉络，将这份 LLM大模型资料 分享出来：包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

👉优快云大礼包🎁：全网最全《LLM大模型入门+进阶学习资源包》免费分享（安全链接，放心点击）👈

一、LLM大模型经典书籍

AI大模型已经成为了当今科技领域的一大热点，那以下这些大模型书籍就是非常不错的学习资源。

在这里插入图片描述

二、640套LLM大模型报告合集

这套包含640份报告的合集，涵盖了大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。(几乎涵盖所有行业)

在这里插入图片描述

三、LLM大模型系列视频教程

在这里插入图片描述

四、LLM大模型开源教程（LLaLA/Meta/chatglm/chatgpt）

在这里插入图片描述

LLM大模型学习路线 ↓

阶段1：AI大模型时代的基础理解

目标：了解AI大模型的基本概念、发展历程和核心原理。
内容：
- L1.1 人工智能简述与大模型起源
- L1.2 大模型与通用人工智能
- L1.3 GPT模型的发展历程
- L1.4 模型工程
- L1.4.1 知识大模型
- L1.4.2 生产大模型
- L1.4.3 模型工程方法论
- L1.4.4 模型工程实践
- L1.5 GPT应用案例

阶段2：AI大模型API应用开发工程

目标：掌握AI大模型API的使用和开发，以及相关的编程技能。
内容：
- L2.1 API接口
- L2.1.1 OpenAI API接口
- L2.1.2 Python接口接入
- L2.1.3 BOT工具类框架
- L2.1.4 代码示例
- L2.2 Prompt框架
- L2.3 流水线工程
- L2.4 总结与展望