LangChain 六 链

theme: condensed-night-purple
highlight: ascetic

欢迎来到我的LangChain系列,如果您也和我一样,想通过学习LangChain开始AI应用开发。那就请一起来学习它的各个功能模块和demo实例。

LangChain 一 hello LLM – 掘金 (juejin.cn)

LangChain 二 模型 – 掘金 (juejin.cn)

LangChain 三 Data Connections – 掘金 (juejin.cn)

LangChain 四 Prompts

LangChain 五 输出解析器

前言

  LangChain将复杂的应用流程“链”了起来,今天,我们一起来学习Chain模块。

  链有很多好处, 比如它可以让我们的AI应用更模块化,方便调试和协作。链定义了组件的调用顺序,也包括各式的链,来完成我们的应用开发。

LLMChain

   LangChain提供了各式的链,各模块化的组件,当然有相应的链来封装。大模型处理这块,最简单的LLMChain上场了。LLMChain包括以下组件:

LLM
PromptTemplate
  LLM 和Prompt 是AI应用的基础,LLMChain将两者结合封装后,向外提供的运行语义就简单多了。
from langchain.llms import OpenAI
from langchain.prompts import PromptTemplate

llm = OpenAI(temperature=0, openai_api_key=”您的有效openai ai key”)
prompt = PromptTemplate(
input_variables=[“color”],
template=”What is the hex code of color {color}?”,
)

   首先我们实例化了llm和prompt。

from langchain.chains import LLMChain
chain = LLMChain(llm=llm, prompt=prompt)

   接着, 将llm和prompt组合起来,实例化LLMChain。

print(chain.run(“green”))
print(chain.run(“cyan”))
print(chain.run(“magento”))

  最后,我们要向大模型提问,就是向LLMChain提问。

LangChainHub

   LangChain也提供了一个Hub 来收集并分享常用的LangChain基本元素。https://github.com/hwchase17/langchain-hub, 点开我们可以玩一些Chain。

hello world 链

  首先,每个链都有一个json文件。

  由前几节的内容,我们应该能够理解这个json文件,它里面定义了prompt 的模板、参数,llm的模型、自由度等参数,output_key 表明输出是文本。看完我们就知道怎么用了。

提示词模版 – 请求LLM回答一个 topic 参数指定的话题的笑话
LLM – OpenAI的 text-davince-003 模型(包括模型相关参数的设置)
llm-math

  让我们来玩下数学链。

from langchain.chains import load_chain
import os

os.environ[‘OPENAI_API_KEY’] = “您的有效openai api key”
chain = load_chain(“lc://chains/llm-math/chain.json”)

  在这里, 我们选择从hub里加载。我们加载了load_chain模块,从LangChainHub加载llm-math。

chain.run(“whats the area of a circle with radius 2?”)

   基于math chain 提出计算面积的问题。

> Entering new LLMMathChain chain…
whats the area of a circle with radius 2?
Answer: 12.566370614359172
> Finished chain.

Answer: 12.566370614359172

总结

  本文介绍了LangChain的Chain模块,AI模块化的能力确实得到提升。

参考资料

wtf-langchain/03_Data_Connections at main · sugarforever/wtf-langchain (github.com)

Introduction | 🦜️🔗 Langchain

​ 

Read More 

發佈留言

發佈留言必須填寫的電子郵件地址不會公開。 必填欄位標示為 *