LangChain 入门：构建 LLM 支持的应用程序的初学者指南
输入“/”快速插入内容
LangChain 入门：构建 LLM 支持的应用程序的初学者指南
LangChain 入门：构建 LLM 支持的应用程序的初学者指南
2024年8月19日修改
作者：北方的郎
自 ChatGPT 发布以来，大型语言模型 (LLM) 广受欢迎。尽管您可能没有足够的资金和计算资源从头开始训练 LLM，但您仍然可以使用预训练的 LLM 来构建一些很酷的东西，例如：
•
•
LLM正在改变我们构建人工智能产品的方式
LangChain是什么？
LangChain 是一个框架，旨在通过为您提供以下功能来帮助您更轻松地构建 LLM 支持的应用程序：
•
•
因为 LangChain 有很多不同的功能，所以一开始可能很难理解它的作用。这就是为什么我们将在本文中介绍 LangChain（当前）的六个关键模块，以便您更好地了解其功能。
先决条件
要继续学习本教程，您需要 langchain 安装 Python 包并准备好使用所有相关的 API 密钥。
安装LangChain
在安装 langchain 软件包之前，请确保您的 Python 版本≥ 3.8.1 且 <4.0。
要安装 langchain Python包，你可以 pip 安装它。
pip install langchain
完成所有设置后，导入 langchain Python 包。
import LangChain
API密钥
使用 LLM 构建应用程序需要您要使用的某些服务的 API 密钥，并且某些 API 会产生相关费用。
LLM 提供者（必需） ——您首先需要一个 API 密钥，用于您要使用的 LLM 提供者。我们目前正在经历 “AI 的 Linux 时刻 ”，开发人员必须主要根据性能和成本之间的权衡， 在专有或开源基础模型之间做出选择。
代码块
import os
os.environ[ "OPENAI_API_KEY" ] = ... # 在这里插入你的 API_TOKEN
开源模型 通常是比专有模型功能更小的模型，但它们比专有模型更具成本效益。开源模型的例子是：
•
•
•
•
许多开源模型都在作为社区中心的 Hugging Face上组织和托管。 要获取 Hugging Face API 密钥，您需要一个 Hugging Face 帐户并在 Access Tokens 下创建一个“New token” 。
import os
os.environ[ "HUGGINGFACEHUB_API_TOKEN" ] = ... # 在这里插入你的 API_TOKEN
工具（可选） ——根据您希望 LLM 与之交互的 工具，例如 OpenWeatherMap 或 SerpAPI，您可能需要向它们注册以获取 API 密钥并检查它们的定价。 在本教程中，我们只使用不需要 API 密钥的工具。
你能用 LangChain 做什么？
该包为许多基础模型提供了一个通用接口，支持提示管理，并通过代理充当其他组件（如提示模板、其他 LLM、外部数据和其他工具）的中央接口。
在撰写本文时，LangChain（版本 0.0.147）涵盖六个模块：
模型：从不同的 LLM 和嵌入模型中进行选择
目前，许多不同的LLM正在涌现。LangChain 提供与各种模型的集成，并为所有模型提供简化的界面。
LangChain 区分三种输入和输出不同的模型：
•
LLM 将一个字符串作为输入（提示）并输出一个字符串（完成）。
代码块
# Proprietary LLM from e.g. OpenAI
# pip install openai
from langchain.llms import OpenAI
llm = OpenAI(model_name="text-davinci-003")
# Alternatively, open-source LLM hosted on Hugging Face
# pip install huggingface_hub
from langchain import HuggingFaceHub
llm = HuggingFaceHub(repo_id = "google/flan-t5-xl")
# The LLM takes a prompt as an input and outputs a completion
prompt = "Alice has a parrot. What animal is Alice's pet?"
completion = llm(prompt)