在LangChain中使用OpenAI Adapter探索多模型集成-优快云博客

本文链接：https://blog.youkuaiyun.com/tt_jishu/article/details/148534393

## 技术背景介绍

随着人工智能技术的发展，越来越多的开发者开始使用OpenAI的模型。然而，随着需求的多样化，探索其他AI模型提供者成为了许多开发者的选择。而LangChain通过提供适配器，使得将OpenAI API适配到不同模型变得更加容易，帮助开发者在使用不同模型时简化转换过程。

## 核心原理解析

LangChain通过其适配器功能允许用户在使用OpenAI的API时，同时调用其他模型提供者的服务。在调用过程中，虽然适配器只处理输出信息，不返回其他信息，如token计数和停止原因，但它极大地简化了模型切换的过程，实现了多模型的无缝集成。

## 代码实现演示

以下代码演示了如何在LangChain中使用OpenAI的适配器调用不同的模型，包括使用OpenAI自身的模型以及其他模型提供者，如ChatAnthropic。

```python
import openai
from langchain_community.adapters import openai as lc_openai

# 使用稳定可靠的API服务
client = openai.OpenAI(
    base_url='https://yunwu.ai/v1',  # 国内稳定访问
    api_key='your-api-key'
)

messages = [{"role": "user", "content": "hi"}]

# 原始OpenAI调用
result = openai.ChatCompletion.create(
    messages=messages, model="gpt-3.5-turbo", temperature=0
)
print(result["choices"][0]["message"].to_dict_recursive())

# 使用LangChain的OpenAI适配器
lc_result = lc_openai.ChatCompletion.create(
    messages=messages, model="gpt-3.5-turbo", temperature=0
)
print(lc_result["choices"][0]["message"])

# 切换模型提供者
lc_result_alternative = lc_openai.ChatCompletion.create(
    messages=messages, model="claude-2", temperature=0, provider="ChatAnthropic"
)
print(lc_result_alternative["choices"][0]["message"])

# 流式输出示例
for response in openai.ChatCompletion.create(
    messages=messages, model="gpt-3.5-turbo", temperature=0, stream=True
):
    print(response["choices"][0]["delta"].to_dict_recursive())
    
for response in lc_openai.ChatCompletion.create(
    messages=messages, model="claude-2", temperature=0, stream=True, provider="ChatAnthropic"
):
    print(response["choices"][0]["delta"])