如何使用Langchain教程構建LLM應用程序
- William Shakespeare原創
- 2025-03-10 11:41:09927瀏覽
>大型語言模型（LLM）的能力（例如OpenAI的GPT-3，Google的Bert和Meta的Llama）通過啟用各種類型的文本，從營銷內容和數據科學代碼到詩歌，從而改變了各種行業。儘管Chatgpt由於其用戶友好的聊天界面而引起了極大的關注，但通過將LLMS集成到不同的軟件應用程序中，存在許多未開發的可能性。
。
>在我們的構建Langchain構建AI應用程序的更多信息中，沿著Langchain＆OpenAI API AI代碼構建多模式AI應用程序，沿著> ，您將發現如何使用hissper to the Whisper Speech-to-Text AI轉錄YouTube視頻內容，然後使用GPT詢問內容的問題。
什麼是大型語言模型（LLM）？
>
大語言模型（LLMS）是指旨在理解和生成類似人類文本的高級人工智能係統。對這些模型進行了大量數據培訓，使它們能夠掌握複雜的模式，理解語言細微差別並產生連貫的響應。 LLM具有執行各種與語言相關的任務的能力，包括語言翻譯，文本完成，摘要，甚至從事對話互動。 GPT是LLM的一個示例。LLM是一種生成AI。如果您想了解生成的AI及其如何提高創造力，請在生成的AI革命中查看我們的博客，以提高您的創造力和我們的播客。您還可以註冊我們即將舉行的大語言模型概念課程。
Langchain簡介
Langchain是一個開源框架，旨在促進由大語言模型（LLMS）提供支持的應用程序的開發。它提供了一套工具，組件和接口，以簡化以LLM為中心的應用程序的構建。使用Langchain，管理與語言模型的互動，無縫鏈接不同的組件並結合了API和數據庫等資源變得毫不費力。您可以在另一篇文章中閱讀有關數據工程和數據應用程序的有關Langchain的更多信息。> Langchain平台帶有一系列API，開發人員可以將其嵌入其應用程序，使他們能夠注入語言處理能力，而無需從頭開始構建所有內容。因此，Langchain有效地簡化了製作基於LLM的應用程序的過程，使其適合各種專業知識的開發人員。
>聊天機器人，虛擬助手，語言翻譯實用程序和情感分析工具等應用程序都是LLM驅動應用程序的實例。開發人員利用Langchain創建定制語言模型的應用程序，以滿足特定需求。 隨著自然語言處理的持續進步和更廣泛的採用，該技術的潛在應用實際上是無限的。這是蘭鏈的幾個值得注意的特徵：1。可量身定制的提示滿足您的特定要求
2。為高級用法方案構建鍊鍊接組件
3。集成數據增強模型並訪問一流的語言模型功能，例如GPT和HuggingFace Hub。
4。多功能組件允許與特定需求進行混合和匹配
5。操縱上下文以建立和指導上下文以提高精度和用戶滿意度
>在Python中設置Langchain
在Python中安裝Langchain非常簡單。您可以使用PIP或CONDA安裝。>
>使用PIP安裝
>使用conda
安裝這將建立Langchain的基本必需品。當Langchain與不同的模型提供商，數據存儲等集成時，大部分有用性都可以實現。
pip install langchain>。
默認情況下，這些集成所需的依賴項不包括在安裝中。要安裝所有依賴項，您可以運行以下命令：
install langchain -c conda-forge最終選項是從源構建庫。在這種情況下，您可以從其github存儲庫中克隆該項目。
>
>環境設置使用Langchain通常需要與各種模型提供商，數據存儲，API和類似組件進行集成。與任何集成一樣，我們必須為Langchain提供適當且相關的API鍵。有兩種方法可以實現這一目標：
pip install langchain[all]
1。將密鑰設置為環境變量
如果您不希望設置環境變量，則可以在啟動OpenAi LLM類時直接通過openai_api_key傳遞鍵
2。直接在相關類中設置密鑰
pip install langchain
langchain的關鍵組件
Langchain由於強調靈活性和模塊化而脫穎而出。它將自然語言處理管道分解為單獨的組件，使開發人員能夠根據需要調整工作流程。這種適應性使Langchain非常適合在各種場景和部門構建AI應用程序。>
組件和鏈條>在蘭鏈中，組件是在語言處理管道中執行特定功能的模塊。這些組件可以鏈接到量身定制的工作流程的“鏈”中，例如帶有情感分析，意圖識別和響應生成模塊的客戶服務聊天機器人鏈。
>
>提示模板>提示模板是跨鏈條可重複使用的預定義提示。通過插入特定的“值”，這些模板可以變得動態和適應性。例如，可以通過插入特定值來個性化提示用戶名的提示。此功能有益於基於動態資源生成提示。
>
>向量存儲這些用於通過嵌入來存儲和搜索信息，從本質上分析了文檔含義的數值表示。矢量店是這些嵌入的存儲設施，可以基於語義相似性有效搜索。
索引和獵犬
索引充當數據庫，該數據庫存儲了有關模型培訓數據的詳細信息和元數據，而檢索者則迅速搜索此索引以獲取特定信息。這通過提供上下文和相關信息來改善模型的響應。
>輸出解析器
>輸出解析器正在發揮作用，以管理和完善模型產生的響應。他們可以消除不希望的內容，定制輸出格式或為響應補充額外的數據。因此，輸出解析器可幫助從語言模型的響應中提取結構化結果，例如JSON對象。
>示例選擇器Langchain中的示例選擇器可以從模型的訓練數據中確定適當的實例，從而提高了生成的響應的精度和相關性。可以調整這些選擇器以偏愛某些類型的示例或過濾無關的示例，從而根據用戶輸入提供了量身定制的AI響應。
>代理
>代理是獨特的蘭鏈實例，每個實例都有特定用例的特定提示，內存和鏈條。它們可以部署在各種平台上，包括Web，Mobile和聊天機器人，可滿足廣泛的受眾範圍。
>如何在langchain中構建語言模型應用程序
Langchain提供了一個LLM類，旨在與各種語言模型提供商（例如OpenAI，Cohere和Hugging Face）接口。 LLM最基本的功能是生成文本。使用Langchain構建應用程序提示並返回輸出的應用程序非常簡單。pip install langchain
輸出：
＆gt;＆gt;＆gt; “當您修改數據時，您會得到什麼？數據科學家！”
>在上面的示例中，我們正在使用OpenAI的Text-ADA-001模型。如果您想將其交換為HuggingFace的任何開源模型，這是一個簡單的更改：
install langchain -c conda-forge>您可以從HF帳戶中獲取擁抱的臉部集線器ID。
如果您有多個提示，則可以使用生成方法立即發送提示列表：
輸出
pip install langchain[all]：
這是您可以使用Langchain創建的最簡單的應用程序。它需要提示，將其發送到您選擇的語言模型，然後返回答案。您可以控制許多參數，例如“溫度”。溫度參數調整了輸出的隨機性，默認情況下將其設置為0.7。
管理Langchain中LLM的提示模板
LLM具有特殊的API。儘管它似乎對自然語言的輸入提示似乎很直觀，但實際上需要調整提示以實現LLM的所需輸出。此調整過程稱為及時工程。一旦有一個好的提示，您可能需要將其用作其他目的的模板。
> Langchain中的提示模板允許您使用模板來生成提示。當您想在多個位置使用相同的提示概述，但要更改某些值時，這很有用。
輸出
：
1。爬上埃菲爾鐵塔，欣賞城市OPENAI_API_KEY="..."
的壯麗景色 2。沿著塞納河享受浪漫的巡遊，並欣賞河岸
的美麗建築 3。探索盧浮宮，欣賞展示的世界知名藝術品
現在，如果您想重新使用此提示，則只需更改user_input變量即可。現在，我將其從巴黎改為墨西哥坎昆。查看輸出的更改：輸出
：1。在海灘上放鬆身心：享受白色的沙灘和加勒比海的水晶般清澈的水。
2。探索瑪雅遺址：訪問奇奇伊扎，圖盧姆和科巴等古代考古遺址，以了解瑪雅人的歷史和文化。
3。參加美食之旅：品嚐傳統的口味，並通過參加坎昆的美食之旅來了解當地美食。
在多步工作流程中結合LLM和提示
在蘭鏈上下文中鏈接是指將LLM與其他元素集成以構建應用程序的行為。幾個示例包括：
>如果您想在Langchain中學習更多的高級概念，請查看有關Langchain和Langchain和GPT在Datacamp上構建AI應用程序的實時課程。 >不久前，Chatgpt的令人印象深刻的能力給我們留下了深刻的印象。但是，景觀已經迅速發展，現在我們可以使用像Langchain這樣的新開發人員工具，使我們能夠在短短幾個小時內在我們的個人筆記本電腦上創建類似的非凡原型。
如果您要跟上生成AI和LLM中的所有進步，請查看我們的Langchain和GPT Webinar的建築AI應用程序。在這裡，您將學習使用Langchain開發AI應用程序的基礎知識，以及如何構建AI應用程序以及如何嵌入文本數據以獲取高性能。您還可以在生成AI工具景觀上查看我們的備忘單，以探索生成AI工具的不同類別，其應用程序以及它們在各個領域的影響。最後，查看我們頂級開源LLM的列表，以了解其他功能強大的工具。
通過使用第一llm的輸出作為第二個LLM的輸入（請參閱本節）
pip install langchain
：>證明您可以有效，負責任地使用AI。獲得認證，被錄用
以上是如何使用Langchain教程構建LLM應用程序的詳細內容。更多資訊請關注PHP中文網其他相關文章！