简单聊聊langchain（待更新）

LangChain：构建下一代AI应用的开源框架

在人工智能的浪潮中，语言模型特别是大型语言模型（LLM）正变得越来越重要。它们在自然语言处理（NLP）任务中展现出了惊人的能力。但是，如何将这些模型应用到实际的问题中，构建出真正有用的AI应用程序呢？这就是LangChain框架的用武之地。

什么是LangChain？

LangChain是一个开源的AI工程开发框架，由哈佛大学的Harrison Chase发起，旨在帮助研究人员和开发人员更容易地构建、实验和部署以自然语言处理（NLP）为中心的应用程序。它提供了一系列的组件和工具，可以与最新的语言模型如大型Transformer模型等集成，并可以与Hugging Face等平台无缝配合。

LangChain的核心特性

1. 模块化组件

LangChain提供了一系列的模块化组件，包括：

• Models：支持多种语言模型。
• Prompts：用于构建与模型交互的提示。
• Indexes：帮助组织和检索信息。
• Memory：管理对话状态和历史。
• Chains：将多个组件连接起来处理复杂的工作流。
• Agents：自动化地执行任务和决策。

2. 用例特定的链

LangChain提供了用例特定的链，这些是为特定任务预配置的组件集合，可以大大简化开发过程。

3. 易于使用和集成

LangChain简化了开发流程，采用了模块化设计，并且可以轻松地与其他系统和数据源集成。

4. 开源社区支持

作为一个开源项目，LangChain拥有活跃的社区，不断有新的工具和插件被贡献出来。

如何开始使用LangChain？

使用LangChain的第一步是准备你的开发环境。你需要：

1. Python环境：建议使用3.8版本以上。
2. OpenAI API密钥：你需要有一个OpenAI的API密钥。
3. 安装LangChain：通过pip安装LangChain库。

pip install langchain langchain-openai

注意

langchain版本变化迅速，每次更新都会有部分模块和代码的变迁，最终请以langchain官网的文档为标准，以下只是部分以GLM大模型的基础演示

实战讲解

1.基础语法

###1.设置API key，全局变量
import os
zhipuai_api_key = os.environ["ZHIPUAI_API_KEY"]


###2.定义模型的所需的代码，基本就这个写法会随模型厂商变化而变化
from langchain_community.chat_models import ChatZhipuAI ###community包是除了openai外的野鸡模型的所有模型
chat = ChatZhipuAI(
    model="glm-4",
    temperature=0.5,
)



###3.聊天message的对象设置
from langchain_core.messages import AIMessage, HumanMessage, SystemMessage
messages = [
    AIMessage(content="Hi."),
    SystemMessage(content="Your role is a poet."),
    HumanMessage(content="Write a short poem about AI in four lines."),
]




###4.基本使用invoke
response = chat.invoke(messages)
print(response.content)  # 打印出response对象中的content


###5.输出解析器，output_parser,strOutputParser将response中的string给解析出来
from langchain_core.output_parsers import StrOutputParser
StrOutputParser().invoke(response)

###6.链式调用
#上面的都用了invoke且一个个都有顺序使用，为了省代码，产生了链式调用的功能
parser = StrOutputParser()
chain = chat|parser
final_response = chain.invoke(message)  #等于 StrOutputParser().invoke(chat.invoke(message))
print(final_response)

（待续）