admin管理员组文章数量:1558092
LangChain No.2
目录
- 1. 安装
- 2. 加载
- 3. 环境变量
- 4. 创建一个应用
接上篇，LangChain是一个由语言模型支持的用于开发应用程序的框架。它可以使用应用程序具有以下功能：
- 数据感知：它可以使大语言模型链接到其它的数据库
- 代理：允许语言模型与自己的环境进行交互
LangChain是由TypeScript编写的，它可以用在Node.js、浏览器、Cloudflare Workers等多个环境中，本文主要是在Node.js环境中使用，对它的使用过程进行介绍：
1. 安装
LangChain要求Node.js的版本在18.x以上，可以直接安装最新版本，或指定18.x以上的某个版本。
使用如下命令安装LangChain：
npm install -S langchain
// 或
yarn add langchain
// 或
pnpm add langchain
2. 加载
LangChain针对Node.js环境分别做了ESM和CommonJS构建，所以，可以以两种模式使用LangChain。
-
如果是在
ESM模式下，可使用如下方法导入：import { OpenAI } from "langchain/llms/openai";如果使用
TypeScript，还需要在项目的tsconfig.json文件中加入如下配置：{ "compilerOptions": { ... "target": "ES2020", // or higher "module": "nodenext", } } -
如果是
CommonJS模式，则使用如下方法导入即可：const { OpenAI } = require("langchain/llms/openai");
3. 环境变量
首先需要到OpenAI去获取key，可以点击这里，注册账号并获取到key作为环境变量进行使用。初始化模型的时候都需要用到该key。
export const OPENAI_API_KEY="..."
4. 创建一个应用
现在我们就可以开始创建一个大语言模型的应用了。LangChain提供了很多个模块，下面模拟通过语言模块创建一个简单预测应用，它的主要功能是：根据提示词输出想要的结果，输出形式为文本。
import { OpenAI } from "langchain/llms/openai";
const llm = new OpenAI({
openAIApiKey: OPENAI_API_KEY
});
const result = await llm.predict("What would be a good company name for a company that makes colorful socks?");
// "Feetful of Fun"
运行以上代码，即可获得一个文本的输出。可以看到，这是一个输入文本并且输出文本的模型。你还可以修改predict内的文案，可以获得各种不同的结果。
另外一个比较典型的模型是聊天模型，它也是语言模型的变种，不同的是，它是一种“消息输入，消息输出”的模式，而不是“文本输入文本输出”的模式。聊天模型的一个简单使用如下：
import { ChatOpenAI } from "langchain/chat_models/openai";
import { HumanMessage, ChatMessage, SystemMessage } from "langchain/schema";
const chat = new ChatOpenAI({
temperature: 0
});
const result = await chat.predictMessages([
new HumanMessage("Translate this sentence from English to French. I love programming.")
]);
/*
AIMessage {
content: "J'adore la programmation."
}
*/
另外，开始学习LangChain，还需要掌握Prompt Templates 提示词模板、Chains、Agent、Memory等。
版权声明：本文标题：【LangChain系列文章】2. 开始使用LangChain 内容由热心网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：https://m.elefans.com/xitong/1727306868a1107456.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。
发表评论