阜宁网站设计/seo的培训课程

LangChain学习笔记（一）-LangChain简介

langChain是一个人工智能大语言模型的开发框架，主要构成为下图。

​
​

一、核心模块

（一）模型I/O模块

负责与现有大模型进行交互，由三部分组成：

• 提示词管理部分：用于模版化、动态选择和管理模块输入；
• 语言模型部分：通过接口调用各类大模型，如遇需要调用现有的模型，如chatglm可以去其官网查看调用api；

​

• 输出解析器：负责从模型的返回中提取信息。

（二）检索模块

能从外部检索用户特定数据并将其整合到大模型中。

（三）链模块

它定义为对一系列组件的组合调用，其中LangChain提供了LCEL（LangChain expression language）表达式语言来实现链。

（四）记忆模块

用于保存应用运行期间的信息，以维持应用的状态。

（五）代理模块

其核心思想是用大模型来选择一系列需要采取的行动，其包含了4个关键组件。

• Agent：通过模型和提示词来决定下一步操作的决策组件。这个组件的输入包括可用工具列表、用户输入、之前执行的步骤。基于这些输入Agent会产生下一步的操作或直接返回结果。
• Tool：代理调用函数，对于构建智能代理至关重要。需要对这些工具进行合适的描述，以便正确被调用。
• ToolKit：LangChain官方提供的工具包。
• AgentExecutor：代理运行时环境，负责调用代理并执行其选择的动作。内部有对不同情况（工具出错，选取了不存在工具，结果无法解析）的处理，还有日志功能。

（六）回调模块

用于在特定操作时，调用预定的程序，类似触发器。

二、快速开始

import osfrom typing import List
from langchain_openai import ChatOpenAI
from langchain.schema import BaseOutputParser
from langchain.prompts import ChatPromptTemplate# 定义模型
llm = ChatOpenAI(temperature=0.95,model="GLM-4-Air",openai_api_key="9c9ef279e10a0a244ba097f5699f86b8.F0yarghEKK7OeSpI",openai_api_base="https://open.bigmodel.cn/api/paas/v4/"
)# 定义解析器
class CommaSeparatedListOutputParser(BaseOutputParser[List[str]]):"""输出解析器：将逗号分割的词组，解析成词组"""def parse(self, text: str) -> List[str]:return text.strip().split(",")# 定义提示词模板
template = "你是一个生成逗号分隔的列表助手，用户会传入一个问题，你生成该问题的5个答案，并以逗号分隔的形式返回。只返回逗号分隔的内容，不要包括其他内容"
human_template = "{text}"chat_prompt = ChatPromptTemplate.from_messages([("system" , template),("human" , human_template),
])# 定义链
first_chain = chat_prompt | llm | CommaSeparatedListOutputParser()if __name__ == "__main__":print(first_chain.invoke({"text": "我开发了一个厨房模拟器，请给该应用取个名字"}))

‍