关于机器学习:Javascript版Langchain入门

我是 AI 小火箭的 HB，我摸索和写作人工智能和语言交叉点的所有事物，范畴从 LLM，聊天机器人，语音机器人，开发框架，以数据为核心的潜在空间等。

介绍

LangChain 是一个开源 Python 库，用于构建由大型语言模型（LLM）反对的应用程序。它提供了一个框架，将 LLM 与其余数据源（如互联网或集体文件）连接起来，容许开发人员将多个命令链接在一起，以创立更简单的应用程序。LangChain 创立于 2022 年 10 月，是围绕 LLMs（大语言模型）建设的一个框架，LLMs 应用机器学习算法和海量数据来剖析和了解自然语言。LangChain 本身并不开发 LLMs，它的核心理念是为各种 LLMs 实现通用的接口，把 LLMs 相干的组件“链接”在一起，简化 LLMs 利用的开发难度，不便开发者疾速地开发简单的 LLMs 利用。

反对的语言

LangChain 目前有两个语言的实现：Python 和 Node.js。

组件

LangChain 的组件包含：

• Models：模型，各种类型的模型和模型集成，比方 GPT-4。
• Prompts：提醒，包含提醒治理、提醒优化和提醒序列化。
• Memory：记忆，用来保留和模型交互时的上下文状态。
• Indexes：索引，用来结构化文档，以便和模型交互。
• Chains：链，一系列对各种组件的调用。
• Agents：代理，决定模型采取哪些口头，执行并且察看流程，直到实现为止。

应用场景

LangChain 的应用场景包含：构建聊天机器人、文本生成、文本分类、问答零碎、语言翻译、语言模型微调等。

装置依赖库

npm install -S langchain

Hello World

首先，应用 Langchain 来调用 OpenAI 模型。

import {OpenAI} from "langchain/llms/openai";

const model = new OpenAI({
    openAIApiKey: 'sk-xxxx',// 你的 OpenAI API Key
    temperature: 0.9
});

const res = await model.call("写一首诗，限度 20 个字");
console.log(res);

输入

春风迎新年，喜气绕家园。祝愿短信语，友情永绵长。

替换提醒语中的参数

import {OpenAI} from "langchain/llms/openai";
import {PromptTemplate} from "langchain/prompts";
import {LLMChain} from "langchain/chains";

const model = new OpenAI({
    openAIApiKey: 'sk-xxxx',// 你的 OpenAI API Key
    temperature: 0.9
});
const template = "What is a good name for a company that makes {product}?";
const prompt = new PromptTemplate({
    template: template,
    inputVariables: ["product"],
});

const chain = new LLMChain({llm: model, prompt: prompt});
const res = await chain.call({product: "colorful socks"});
console.log(res);

开始见识 Langchain 的弱小

截止上个实例，你还没见识到 Langchain 的弱小。

接下来，你先注册一个 SerpApi 帐号，获取api key。

点击这里注册

而后执行以下的代码，

import {OpenAI} from "langchain/llms/openai";
import {initializeAgentExecutorWithOptions} from "langchain/agents";
import {SerpAPI} from "langchain/tools";
import {Calculator} from "langchain/tools/calculator";

const model = new OpenAI({
    streaming: true,
    openAIApiKey: 'sk-xxxx',// 你的 OpenAI API Key
    temperature: 0.9
});
const tools = [
    new SerpAPI('你的 SerpAPI 的 key', {
        location: "Austin,Texas,United States",
        hl: "en",
        gl: "us",
    }),
    new Calculator(),];

const executor = await initializeAgentExecutorWithOptions(tools, model, {agentType: "zero-shot-react-description",});
console.log("Loaded agent.");

const input =
    "谁是周杰伦的老婆？" +
    "她的年纪加上 10 是多少?"
console.log(`Executing with input "${input}"...`);

const result = await executor.call({input});

console.log(`Got output ${result.output}`);

输入：

Loaded agent.
Executing with input "谁是周杰伦的老婆？她的年纪加上 10 是多少?"...
Got output Hannah Quinlivan is Zhou Jielun's wife and she is 39 years old.

执行后果做了两件事，

1. 应用 SerpAPI 工具 获取 周杰伦的老婆的名字：Quinlivan
2. 而后获取 她的年龄：29 岁
3. 最初应用 Calculator 工具 加上 10：最终失去 39 岁的后果

这里引进了 Langchain 的agents概念：代理。

决定模型采取哪些口头，执行并且察看流程，直到实现为止。

代码中引进了两个工具：SerpAPI和Calculator：

const tools = [
    new SerpAPI('你的 SerpAPI 的 key', {
        location: "Austin,Texas,United States",
        hl: "en",
        gl: "us",
    }),
    new Calculator(),];

AI 小火箭

应用 AI 小火箭也能够间接应用 OpenAI 的接口，疾速应用，价格远低于 OpenAI。

本文由博客一文多发平台 OpenWrite 公布！