第三节课[LangChain]作业

本文讲述了作者使用小助手权重搭建诡秘之主世界观知识库的过程,遇到的主要是库版本和编码问题。尽管模型表现不佳,但整个过程富有学习价值,展示了知识图谱在此类任务中的优势。

前言

本次作业虽然是第三节课作业,但是在第四次作业之后才完成,所以用的是经过自我认知微调的小助手权重。
使用**诡秘之主和宿命之环小说(仅用于学习和研究)**以及设定集、百度百科,搭建“诡秘世界观zhaocake专家助手”。
教程文档:https://github.com/InternLM/tutorial/tree/main/langchain

实践

搭建向量知识库

使用教程中的知识库搭建脚本,将需要修改的部分进行修改之后,运行脚本,即可得到诡秘之主世界观向量数据库。

中间一直在操作,遇到一些问题基本是库版本问题,以及自己使用的知识库文件编码问题,最后展示效果如下

在这里插入图片描述

隐秘组织触发连招了。
在这里插入图片描述
这个模型确实什么也做不到(,这种问题还是知识图谱比较靠谱吧。
那就不上传了,颇为丢人现眼了。
在这里插入图片描述
在这里插入图片描述
虽然很丢人现眼,但是有点乐子。

### LangChain 使用 DeepSeek 第三方代理的支持情况 LangChain 是一个用于开发基于大型语言模型(LLM)驱动的应用程序的框架,其设计目标是简化与 LLM 的集成过程[^5]。通过 LangChain,开发者可以轻松地将第三方模型服务(如 DeepSeek)集成到自己的应用程序中。DeepSeek 提供了高性能的 LLM 服务,并支持通过 API 进行调用[^1]。 在 LangChain 中,可以通过自定义模型包装器来实现对 DeepSeek 的支持。例如,`langchain_deepseek` 模块提供了 `ChatDeepSeek` 类,该类允许用户配置 DeepSeek 的模型名称、API 密钥以及其他参数[^3]。这表明 LangChain 确实支持将 DeepSeek 作为第三方代理进行集成。 以下是使用 LangChain 集成 DeepSeek 的代码示例: ```python from langchain_deepseek import ChatDeepSeek # 初始化 DeepSeek LLM llm = ChatDeepSeek( model="deepseek-chat", # 指定 DeepSeek 的模型名称 temperature=0, # 设置生成文本的温度 max_tokens=None, # 最大生成令牌数 timeout=None, # 请求超时时间 max_retries=2, # 最大重试次数 api_key="sk-xxxx" # 替换为你的 DeepSeek API 密钥 ) # 定义对话消息 messages = [ ("system", "你是一个有创意的助手,擅长根据用户问题提供有趣且相关的内容。"), ("human", "今天北京天气怎么样?"), ] # 流式生成响应 for chunk in llm.stream(messages): print(chunk.text(), end="") ``` 上述代码展示了如何通过 LangChain 调用 DeepSeek 的 LLM 服务。通过这种方式,DeepSeek 可以作为第三方代理被 LangChain 支持并使用[^3]。 此外,LangChain 提供了丰富的功能模块,包括提示词模板、状态代理和多主体工作流等[^4]。这些功能使得开发者能够更灵活地构建基于 DeepSeek 的复杂应用场景。 ### 结论 LangChain 支持使用 DeepSeek 作为第三方代理。通过配置 `ChatDeepSeek` 类,可以轻松实现与 DeepSeek 的集成,并利用其强大的 LLM 能力完成各种任务。
评论 1
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

打赏作者

早上真好

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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