简介
了解到
- 什么是大型语言模型
- 什么是Langchain 一个框架，开发基于大模型语言为基础的应用 智能体，问答系统等，通过langchain统一的去调用ai大模型
- 如何利用Langchain 开发AI应用
1.什么是大型语言模型 = 鹦鹉学舌
人工智能的一种工具，用来解析自然语言，达到与机器的i一个自然对话，
语言模型有很多 ，大型的意思就是指回答的更加全面，例如天气类app你问天气，他可能只会回答天气相关的东西
2.为什么要使用langchain
大模型有一些弊端，无法直接联网，训练的数据有截止时间，无法访问第三方api,也没法记录私有数据， 所有就需要langchain
这其实就是一个基础deepseek大模型的一个应用程序
2.RAG架构 解锁增强生成
精准解决 大模型知识冻结 和 大模型知识幻觉的问题
3.Agent
Agent =llm 大语言模型 + Toos 工具 + memroy 记忆能力 + planning 决策能力 +Action 行动能力
能不能用工具 来区分 是智能体 还是 大模型
4.安装jupyter notebook + langchain
1.pycharm 新建项目
2.pip install jupyter
3.pip install langchain
5.选择chatGPT 官网获取密钥
官网选择登陆 https://openai.com/zh-Hans-CN/api/
登陆选择API平台，然后就是注册登陆，然后创建API key
6.使用PoloAPI 国内访问openai模型 或者 使用closeai
https://poloai.top/console/token
直接注册 创建令牌。 需要冲点钱
6.创建一个llm模块
1.项目根目录下创建一个 .env文件
OPENAI_API_KEY = "sk-xxxxxxx"
OPENAI_BASE_URL = "https://poloai.top/v1"
import os
import dotenv
from langchain_openai import OpenAI
dotenv.load_dotenv()
llm = OpenAI()
str1 = llm.invoke('写一首春天的诗')
print(str1)
3.模型调用的分类
角度1:
非对话模型： LLMs Text Model 仅支持单次对话，不支持上下文
对话模型： Chat Models （推荐）
嵌入模式： Embedding models
角度2:按照模型调用时，参数书写位置的不同 api-key base_url model-name硬编码方式：将参数写在代码中
使用环境变量
使用配置文件 （推荐）
角度3： 具体api的调用使用langchain 提供的API （推荐）
使用OpenAI 官方提供的API
使用其他平台提供的API
参数model="gpt-4o-mini", #默认使用的是 gpt-3.5-turbo 模型
base_url="https://poloai.top/v1",
api_key="sk-ZuJxxxx"
temperature=0, #控制模型输出随机性 0 的话 每次输出都是一样的 建议 0.3，0.5精准模式 0.8平衡模式 1创意模式
max_tokens=20
1.非对话模型
import os
import dotenv
from langchain_openai import OpenAI
dotenv.load_dotenv()
llm = OpenAI()
str1 = llm.invoke('写一首春天的诗')
print(str1)2.对话模型
#对话模式
from langchain_openai import ChatOpenAI
import dotenv
# dotenv.load_dotenv()
# 调用对话模型
# chat_model = ChatOpenAI(
# # model="gpt-4o-mini", #默认使用的是 gpt-3.5-turbo 模型
# base_url="https://poloai.top/v1",
# api_key="sk-ZuJczuFpKnBHYyHNpVQlcd91BFPIY0Yn34OgANeb7bxkVMAC"
# )
chat_model = ChatOpenAI(
# 其他参数
temperature=0, #控制模型输出随机性 0 的话 每次输出都是一样的 建议 0.3，0.5精准模式 0.8平衡模式 1创意模式
max_tokens=20
)
res = chat_model.invoke('理想L6这车多少钱？')
print(res.content)
7.体会使用各个平台api
1.百度千帆平台
2.阿里云百炼平台
3.智谱的GLM
4。硅基流动平台
8.消息列表 SystemMessage,HumanMessage AIMessage
from langchain_core.messages import SystemMessage,HumanMessage,AIMessage
syste_message = SystemMessage(content='你是一个英语专家嘛',additional_kwargs={"tool":"invoke_func1"})
human_message = HumanMessage(content='帮我定制一个英语六级学习计划')
ai_message = AIMessage(content = '我不致痘')
message = [syste_message,human_message,ai_message]
print(message)
res1 = chat_model.invoke(message)
print(res1.content)