[python]-LangChain

简介

云上大模型架构

使用阿里云平台提供的云上模型构建聊天机器人，在技术架构上，主要的改动有:

使用LangChain框架代替Ollama，完成对模型的管理和使用，用基于LangChain提供Python调用支持
使用阿里云百炼平台的通义千问系列模型，提供云上的模型算力支持
前端不变，继续使用Streamlit原有代码即可

LangChain框架介绍

LangChain由Harrison Chase创建于2022年10月，它是围绕LLMs(大语言模型)建立的一个框架.

LangChain自身并不开发LLMs，它的核心理念是为各种LLMs实现通用的接口，把LLMs相关的组件"链接"在一起，简化LLMs应用的开发难度，方便开发者快速地开发复杂的LLMs应用.
LangChain是一个用于构建和管理基于语言模型(Language Models,LM)的应用程序的框架。它提供了一系列工具和组件，帮助开发者更高效地构建、训练、部署和管理语言模型应用。LangChain的设计目标是简化语言模型的使用过程，使其更加容易被集成到各种应用场景中。
LangChain之所以大火，是因为它提供了一系列方便的工具、组件和接口，大大降低了AI应用开发的门槛，也极大简化了大模型应用程序的开发过程。
网址: https://python.langchain.com/docs
LangChain框架特点

模块化设计: LangChain采用模块化设计,将不同的功能拆分成独立的组件,如Prompts、Models、Chains、Memory、Retriever和Agent。这些组件可以灵活组合，以满足不同应用的需求。
强大的模型支持: 支持多种预训练语言模型，如GPT-3、BERT、T5等。这些模型经过大规模数据训练，具备强大的语言理解和生成能力。
易用的APl: 提供简单易用的PythonAPI，开发者可以通过几行代码快速实现复杂的语言处理任务。
丰富的工具和组件: 包括数据处理工具、模型训练和微调工具、服务接口、应用开发工具等，覆盖了从数据准备到模型部署的全流程。
社区支持: 拥有一个活跃的社区，提供了大量的示例和教程，帮助开发者快速上手和解决常见问题。

LangChain相关包安装

相关包简介:

langchain: 主要用于构建和管理基于语言模型的应用程序，提供从模型管理到应用开发的一站式解决方案。

langchain_community: 是langchain的社区版，包含社区贡献的额外功能和插件，提供更多扩展性的工具。

dashscope: 主要用于构建和管理数据科学和机器学习应用，提供丰富的数据可视化和模型部署工具。

cmd命令行执行如下命令:

pip install langchain -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install langchain-community -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install dashscope -i https://pypi.tuna.tsinghua.edu.cn/simple

LangChain主要组件

LangChain框架应用场景

文本生成: 自动生成文章、故事、诗歌、代码等。
机器翻译: 将一种语言的文本翻译成另一种语言。
问答系统: 回答用户提出的问题，提供准确的信息。
文本分类和情感分析: 对文本进行分类，判断其情感倾向(正面、负面、中性等)。
摘要生成: 从长篇文章中提取关键信息，生成简洁的摘要。
对话系统: 构建聊天机器人、虚拟助手，进行自然的对话交互。

入门案例

阿里云百炼平台介绍

官网地址: https://bailian.console.aliyun.com

创建阿里百炼应用和选择模型

如图点击新增应用，选择智能体应用。

获取API KEEY

LangChain环境

LangChain本质上上一个Python框架，要部署LangChain环境可以通过pip命令安装对应的包即可。

命令如下:

pip install langchain -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install langchain-community -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install dashscope -i https://pypi.tuna.tsinghua.edu.cn/simple

langchain: 大模型应用开发核心框架，提供链、记忆、检索等功能
langchain_community:LangChain社区贡献组件，含第三方工具、模型集成
dashscope:阿里云官方的大模型开发Python库，用于调用通义千问(Qwen)等阿里系大模型的API，实现对话、生成、推理等功能。

LangChain示例代码

复制代码

from langchain.chains import ConversationChain
from langchain.memory import ConversationBufferMemory
from langchain_community.llms import Tongyi

# 创建一个内存记忆对象
memory = ConversationBufferMemory(return_message=True)


def get_response(prompt, api_key):
    model = Tongyi(model="qwen-max", api_key=api_key)
    chain = ConversationChain(llm=model, memory=memory)

    # 发送请求
    response = chain.invoke({"input": prompt})
    return response["response"]


if __name__ == '__main__':
    print(get_response("请python 1-100的输出", "sk-fa5b080ac78b4323b13f733b50f1d5c0"))

聊天机器人

Streamlit和LangChain结合

将此代码保存为:langchain_util.py

将原有代码的调用Ollama函数，改为调用刚刚准备的LangChain函数即可

完整代码

AI学习路线

AI岗位及职责

科学的学习路线设计