<kbd id="afajh"><form id="afajh"></form></kbd>
<strong id="afajh"><dl id="afajh"></dl></strong>
    <del id="afajh"><form id="afajh"></form></del>
        1. <th id="afajh"><progress id="afajh"></progress></th>
          <b id="afajh"><abbr id="afajh"></abbr></b>
          <th id="afajh"><progress id="afajh"></progress></th>

          LangChain:安裝與環(huán)境配置

          共 2207字,需瀏覽 5分鐘

           ·

          2024-04-19 08:32

          使用以下命令安裝 LangChain:

          pip install langchain

          或者:

          conda install langchain -c conda-forge

          環(huán)境設(shè)定

          使用LangChain通常需要與一個或多個模型提供程序、數(shù)據(jù)存儲、 API 等集成。對于這個例子,我們將使用OpenAI的API,所以我們首先需要安裝OpenAI的SDK:

          pip install openai

          然后我們需要在終端設(shè)置環(huán)境變量:

          export OPENAI_API_KEY="..."

          或者,我們也可以在Jupyter Notebook或Python腳本內(nèi)完成:

          import os
          os.environ["OPENAI_API_KEY"] = "..."

          如果想動態(tài)設(shè)置API密鑰,我們還可以在初始化OpenAI類時使用openai_api_key參數(shù):

          from langchain.llms import OpenAI
          llm = OpenAI(openai_api_key="OPENAI_API_KEY")

          構(gòu)建語言模型應(yīng)用程序: LLM

          現(xiàn)在我們已經(jīng)安裝了LangChain并設(shè)置了我們的環(huán)境,我們可以開始構(gòu)建我們的語言模型應(yīng)用程序了。LangChain提供了許多可用于構(gòu)建語言模型應(yīng)用程序的模塊。模塊可以組合起來創(chuàng)建更復(fù)雜的應(yīng)用程序,或者單獨用于簡單的應(yīng)用程序。

          LLM:從語言模型中獲取預(yù)測

          LangChain最基本的構(gòu)建塊是對某些輸入調(diào)用LLM。假設(shè)我們正在構(gòu)建一個基于公司產(chǎn)品生成公司名稱的服務(wù)。為此,我們首先需要導(dǎo)入LLM包裝器:

          from langchain.llms import OpenAI

          LLM初始化和調(diào)用

          然后我們可以用任何參數(shù)初始化包裝器。在這個例子中,我們可能希望輸出更加隨機,所以我們將以溫度(Temperature)為0.9來初始化它。

          llm = OpenAI(temperature=0.9)

          我們現(xiàn)在可以根據(jù)一些輸入調(diào)用它:

          text = "What would be a good company name for a company that makes colorful socks?"
          print(llm(text))

          輸出:

          Feetful of Fun

          關(guān)于如何在LangChain中使用LLM,《》系列的后續(xù)文章會有詳細的闡述。

          提示模板(PromptTemplate): 管理 LLM 的提示

          調(diào)用LLM是第一步,但這僅僅是個開始。通常在應(yīng)用程序中使用LLM時,不會將用戶輸入直接發(fā)送到LLM。相反,我們更可能的是接受用戶輸入并構(gòu)造一個提示符,然后將其發(fā)送給LLM。例如,在前一個示例中,我們傳入的文本被硬編碼為詢問一家生產(chǎn)彩色襪子的公司的名稱。在這個虛構(gòu)的服務(wù)中,我們希望只獲取描述公司業(yè)務(wù)的用戶輸入,然后用這些信息格式化提示符。如果使用LangChain,這個事情將會變得很簡單。首先讓我們定義提示模板:

          from langchain.prompts import PromptTemplate
           
          prompt = PromptTemplate(
              input_variables=["product"],
              template="What is a good name for a company that makes {product}?",
          )

          我們可以調(diào)用.format方法來格式化它。

          print(prompt.format(product="colorful socks"))

          輸出:

          What is a good name for a company that makes colorful socks?

          參考文獻:

          [1] LangChain ????? 中文網(wǎng),跟著LangChain一起學(xué)LLM/GPT開發(fā):https://www.langchain.com.cn/

          [2] LangChain中文網(wǎng) - LangChain 是一個用于開發(fā)由語言模型驅(qū)動的應(yīng)用程序的框架:http://www.cnlangchain.com/


          瀏覽 57
          點贊
          評論
          收藏
          分享

          手機掃一掃分享

          分享
          舉報
          評論
          圖片
          表情
          推薦
          點贊
          評論
          收藏
          分享

          手機掃一掃分享

          分享
          舉報
          <kbd id="afajh"><form id="afajh"></form></kbd>
          <strong id="afajh"><dl id="afajh"></dl></strong>
            <del id="afajh"><form id="afajh"></form></del>
                1. <th id="afajh"><progress id="afajh"></progress></th>
                  <b id="afajh"><abbr id="afajh"></abbr></b>
                  <th id="afajh"><progress id="afajh"></progress></th>
                  91人妻人人澡人人爽人人精品乱 | 三级成人导航 | 九九热2| 国产精品视频久久久 | 丁香五月天激情网 |