快速入门指南：使用 LangChain 构建智能聊天机器人

快速入门指南：使用 LangChain 构建智能聊天机器人

一小时内掌握 LangChain 的核心技能！快速进入AI应用开发

欢迎来到本快速入门指南！我们将教您如何在一小时内使用 LangChain 构建一个智能聊天机器人。这个机器人能够进行对话并记住之前的互动记录。

通过本教程，您将学会：

• 使用聊天模型：了解如何选择和使用不同的语言模型。
• 使用 Prompt 模板：优化用户输入并生成适合模型处理的格式。
• 管理聊天记录：实现聊天机器人能够记住和处理对话历史。
• 使用 LangSmith 调试和跟踪：深入了解聊天机器人的内部工作机制。
• 流式响应：改善用户体验，实现逐字生成的流式响应。

让我们一起开始这个激动人心的旅程吧！

本指南基于最新版的LangChain 。
欢迎点赞收藏转发，您的鼓励是我坚持的动力。感谢

---

设置

Jupyter Notebook

为了更好地学习和理解 LLM 系统，我们推荐使用 Jupyter Notebook。请按照这里的安装指南进行安装。

安装

要安装 LangChain，请运行以下命令：

pip install langchain

更多详细信息，请参阅我们的安装指南。

快速入门

首先，让我们学习如何单独使用语言模型。LangChain 支持多种不同的语言模型，您可以根据需求选择使用。

import getpass
import os
from langchain_openai import ChatOpenAI
from langchain_core.messages import HumanMessage, AIMessage

os.environ["OPENAI_API_KEY"] = getpass.getpass()
model = ChatOpenAI(model="gpt-3.5-turbo")

response = model.invoke([HumanMessage(content="Hi! I'm Bob")])
print(response.content)

上面的代码中，模型直接回答了问题，但是没有记住对话内容。为了实现聊天机器人，我们需要保存并传递对话历史。

实现聊天机器人

我们可以使用 Message History 类来跟踪模型的输入和输出。首先，让我们安装 langchain-community 以便存储消息历史。

pip install langchain_community

然后，我们可以使用以下代码实现带有消息历史的聊天机器人：

from langchain_core