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,
- 应用
SerpAPI 工具
获取周杰伦的老婆的名字
:Quinlivan - 而后获取
她的年龄
:29 岁 - 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!