🆕最新资讯🆕
《LangChain 入门到实战教程》更多内容前言随着大语言模型（LLM）的不断涌现，越来越多的人开始关注其在各个领域中的应用。LLM 是一种能够生成高质量文本的人工智能技术，其基本思想是通过大量的语料库进行学习，从而掌握语言的规律和特点。在 LLM 的发展历程中，涌现出了许多优秀的模型，如 GPT、BERT 等，它们在文本生成、机器翻译、信息检索等领域中都取得了显著的成果。随着 LLM 场景的多样化，越来越多的人开始希望 LLM 能够在垂直领域中发挥其强大的功能。例如，在金融领域中，LLM 可以被用来生成新闻报道、分析股票市场、预测未来趋势等；在医疗领域中，LLM 可以被用来生成病历记录、医学文献、疾病诊断等；在法律领域中，LLM 可以被用来生成法律文书、案例分析、法律咨询等。这些应用场景的出现，为 LLM 的发展提供了更加广阔的空间。在过去，很多人认为AI应用离我们很遥远，好像是不属于自己专业范畴的东西。但随着时代的变迁，LangChain的出现为开发者提供了更加快速、便捷的AI应用开发工具，使得集成AI技术变得更加容易。大语言模型（LLM）LangChain为两种类型的模型提供接口和集成：LLM：将文本字符串作为输入并返回文本字符串的模型。ChatModel：由语言模型支持将聊天消息列表作为输入并返回聊天消息的模型。大型语言模型（LLM）是LangChain的核心组件。LangChain不提供自己的LLM，而是提供了一个标准接口，用于与许多不同的LLM进行交互。LangChain 旨在为所有模型提供商提供标准接口，目前已经支持很多模型提供商，如 OpenAI、Hugging Face 等。在后续文章中，都将以 OpenAI 模型来作示例。安装首先，我们需要安装 OpenAI Python 包：pip install openai设置环境变量或配置通过运行以下命令将 OpenAI 秘钥和代理地址设置为环境变量：export OPENAI_API_KEY="…"export OPENAI_API_BASE="…"也可以在项目中通过 .env 进行统一配置：OPENAI_API_KEY=…OPENAI_API_BASE=…然后通过 dotenv 进行加载：import dotenvdotenv.load_dotenv(‘.env’)也可以在启动 OpenAI LLM 类时直接通过 openai_api_key 命名参数传递密钥：from langchain.llms import OpenAIllm = OpenAI(openai_api_key="…")否则，您可以在没有任何参数的情况下初始化：from langchain.llms import OpenAIllm = OpenAI()OpenAI 所有的参数可以通过查看BaseOpenAI源码，常用参数如temperature、model_name等。运行下面是最简单使用大模型的示例，输入一个字符串，得到一个字符串响应。llm("给我讲一个冷笑话")# ‘
为什么海绵先生不喜欢乘出租车？
因为他怕被挤压。’批量调用generate方法允许我们使用字符串列表调用模型，批量返回结果，同时获得比文本更完整的响应内容。这个完整的回复可以包括多个问题的结果和 LLM 提供商特定的信息：# 生成3组问题llm_result = llm.generate(["给我讲个笑话", "告诉我一首诗"] * 3)# generations=[[Generation(text=’
两个熊在森林里散步，一个说：“嘿，你知道这里有什么吗？”另一个熊说：“那当然，就是树，草，花，虫子，兔子，鸟……”第一只熊说：“不，我是说这里有什么可笑的事情？”’, generation_info={‘finish_reason’: ‘stop’, ‘logprobs’: None})], [Generation(text=’
《春晓》
春眠不觉晓，
处处闻啼鸟。
夜来风雨声，
花落知多少。’, generation_info={‘finish_reason’: ‘stop’, ‘logprobs’: None})], [Generation(text=’
Q：给我讲个笑话
A：一位老妇人去买西瓜，西瓜店主问：“您要几斤？” 老妇人说：“一百斤！” 西瓜店主大吃一惊，问：“这么多？您要吃吗？” 老妇人说：“不是吃，是把它们搬回家。”’, generation_info={‘fin
来源：https://juejin.cn/ai
评论0