AI時代，相信大家或多或少都聽過 LangChain 的大名。通俗的說，LangChain是一個面向大模型的開發(fā)框架（SDK）。

目前 LangChain 仍在快速迭代中，所以在使用中要時刻關注你所使用的版本和接口變更。

0. 認識LangChain框架

從上圖可以看到，LangChain 目前有四層框架：

• 最下層深色部分：LangChain的Python和JavaScript庫。包含無數(shù)組件的接口和集成，以及將這些組件組合到一起的鏈（chain）和代理（agent）封裝，還有鏈和代理的具體實現(xiàn)。

• Templates：一組易于部署的參考體系結構，用于各種各樣的任務。

• LangServe：用于將LangChain鏈部署為REST API的庫。

• LangSmith：一個開發(fā)人員平臺，允許您調試、測試、評估和監(jiān)控基于任何LLM框架構建的鏈，并與LangChain無縫集成。

在最下層深色部分- LangChain的Python和JavaScript庫中，可以看到它封裝了一系列模塊。

• 模型 I/O 封裝，包括：

• LLMs：大語言模型

• ChatModels：一般基于 LLMs，但按對話結構重新封裝

• Prompt：提示詞模板

• OutputParser：解析輸出

• Retrieval 數(shù)據(jù)連接與向量檢索封裝，包括：

• Retriever: 向量的檢索

• Document Loader：各種格式文件的加載器

• Embedding Model：文本向量化表示，用于檢索等操作

• Verctor Store: 向量的存儲

• Text Splitting：對文檔的常用操作

• Agents 根據(jù)用戶輸入，自動規(guī)劃執(zhí)行步驟，自動選擇每步需要的工具，最終完成用戶指定的功能，包括：

• Tools：調用外部功能的函數(shù)，例如：調 google 搜索、文件 I/O、Linux Shell 等等

• Toolkits：操作某軟件的一組工具集，例如：操作 DB、操作 Gmail 等等

• Chain 實現(xiàn)一個功能或者一系列順序功能組合

• Memory 記憶封裝，也就是上下文的管理能力封裝

• Callbacks 一些過程回調函數(shù)

1. 動手實現(xiàn)你的第一個LangChain程序

1.1 LangChain 環(huán)境

（1）安裝 LangChain

• pip 安裝

pip install langchain

• conda 安裝

conda install langchain -c conda-forge

（2）安裝 LangChain X OpenAI

LangChain封裝了對于大模型的調用接口，也就是說，我們可以選擇使用的模型，無論是在線模型還是本地部署的模型。本文我們還是使用OpenAI的API來調用大模型。

pip install -U langchain-openai

1.2 通過LangChain的接口來調用OpenAI對話

import os
# 加載 .env 到環(huán)境變量
from dotenv import load_dotenv, find_dotenv
_ = load_dotenv(find_dotenv())

from langchain_openai import ChatOpenAI ## langchain封裝的openai對話接口

llm = ChatOpenAI() # 默認是gpt-3.5-turbo
response = llm.invoke("你是誰") ## 通過 invoke 傳入對話
print(response.content)

## 運行結果輸出：我是一個AI助手，沒有具體的身份。我是由OpenAI開發(fā)的，可以幫助回答問題和提供信息。

1.3 多輪對話的封裝

import os
# 加載 .env 到環(huán)境變量
from dotenv import load_dotenv, find_dotenv
_ = load_dotenv(find_dotenv())

from langchain_openai import ChatOpenAI

llm = ChatOpenAI() # 默認是gpt-3.5-turbo

from langchain.schema import (
    AIMessage, #等價于OpenAI接口中的assistant role
    HumanMessage, #等價于OpenAI接口中的user role
    SystemMessage #等價于OpenAI接口中的system role
)

messages = [
    SystemMessage(content="你是[同學小張]的個人助理。你叫[小明]"), 
    HumanMessage(content="我叫[同學小張]"), 
    AIMessage(content="好的老板，你有什么吩咐？"),
    HumanMessage(content="我是誰") 
]
response = llm.invoke(messages)
print(response.content)

## 運行輸出：您是同學小張。

通過以上代碼可以看到：

• LangChain內封裝了AIMessage、HumanMessage、SystemMessage等消息類型，區(qū)分消息來源。

• invoke對話接口接收一系列消息，可以實現(xiàn)多輪對話（上述代碼中的多輪對話在哪：第一輪是“我叫[同學小張]”，第二輪我問它"我是誰"時，第一輪我的名字的信息帶進去了，所以它才能回復：“您是同學小張”）。

這樣模型封裝的意義在哪？

• 可以實現(xiàn)不同模型間的無縫切換，llm = ChatOpenAI()是GPT模型，它可以換成 llm = ErnieBotChat()，其它代碼都不用改，就可以切換到文心大模型。

好了，本文先寫到這，算是對 LangChain 系列開了個頭。后面咱們深入各個模塊去學習和實戰(zhàn)。

如果覺得本文對你有幫助，麻煩點個贊和關注唄 ~~~