前言
在之前的OpenAI专栏中，曾先后介绍了如何实现简单的AI客服回复、简单的图片识别、简单的情感分析以及tokenizer模块。在其中我们学习了来自Hugging Face的transformers库，它是一个流行的用于自然语言处理（NLP）的 Python 库，并导入其中的pipeline模块以实现简单情感分析。还使用了来自大众点评的中文模型以进行更准确的分析。之后还学习到了pipeline模块中引入字典SUPPORTED_TASKS ，其中包含了 Transformers 库支持的各种任务（tasks）的信息。结合PIL（Python的图片的专业库）实现了图片中物体位置的识别。最近我正在学习LangChain框架，由于是很新的框架，你在GPT3.5也搜索不到他的相关知识。下面我会简单介绍一下我的学习成果。
首先，何为LangChain框架呢？
LangChain 是一个帮助在应用程序中使用大型语言模型的编程框架。是一款Python工具，2023年2月份增加了对Typescript的支持。2023年4月份，可以支持多种 JavaScript 环境了，包括 Node.js、浏览器、Cloudflare Workers、Vercel/Next.js、Deno 和 Supabase Edge Functions。它可以让AI开发人员把像GPT-4这样的大型语言模型和外部数据结合起来。它提供了Python或JavaScript（TypeScript） 的包。
LangChain框架有什么作用
由于大模型本身存在应用局限，LangChain 可以加快基于大模型的应用构建速度。以ChatGPT为例， 其训练数据只截至 2021 年底，无法实时获取外部信息，所以你在GPT3.5都搜不到LangChain框架的信息，因为它是2022年诞生的，另一个缺点就是，通用大模型仅训练了公开的数据知识，对于一些较为专业的问题大模型会给出胡说八道的答案。目前这些缺陷都可以通过外接 API 的方式来进行改善，比如 OpenAI 官方给出了 Plugin 让 ChatGPT 可以接入互联网，用向量数据库 作为知识库对 prompt 进行处理后再对大模型进行提问等。而LangChain为开发者们提供了方便，它封装好了大量的API相关逻辑和代码实现，开发者们可以直接调用，大大加快了构建一个应用的速度。
在学习LangChain框架之前，我们得先做好一些准备工作。
获取Openai_key
- 进入OpenAI官网
2.使用Google账号登录（现在好像得绑定国外手机号才能进去，大家可以去网上租一个短时间的国外手机号（不是很贵，大概一块多）进行验证，）
3.登录后点击右上角Log in 会来到下面页面，点击右边的API
- 右上角找到View API keys
- 创建一个新的key
OK，拿到API keys之后，我们就可以进行今天的学习了。
我们依旧使用Colaboratory来书写代码，这个在之前的文章介绍过。今天我们只进行简单代码的书写(博主也刚入门^-^)
第一步：
- 安装LangChain框架
ini
!pip install langchain==0.0.316
第二步：
- 安装openai，这里值得注意的是，这里版本的选择很重要，这里我们一定要指定版本为0.28.1，如果没有指定安装的版本，就会默认安装最新版得openai，但是最新版在这里不兼容！所以我们要指定OpenAI的代码，才能进行接下来的操作。
ini
!pip install openai==0.28.1
第三步：
- 导入LangChain中的HumanMessage,准备进行回复。
python
from langchain.chat_models import ChatOpenAI
from langchain.schema import HumanMessage
import os
os.environ['OPENAI_API_KEY'] = '这里输入自己的API keys'
chat = ChatOpenAI(temperature=0,model_name="gpt-3.5-turbo")
# openai 接受的就是一个数组
response = chat([HumanMessage(content="Hello LangChain!")])
print(response)
第四步：
- 试试自定义
scss
response = chat([HumanMessage(content="怎样才能变得更优秀？")])
print(response)
今天的内容比较简单，接下来我还会继续学习更深层次的内容，并更新我的分享。资料来源在下面的链接中，大家感兴趣的也可以去了解一下。