初学者指南：借助 LangChain 构建 LLM 驱动的应用程序！

原文链接：A Beginner’s Guide to Building LLM-Powered Applications with LangChain!
作者：Pavan Belagatti
译者：倔强青铜三

前言

大家好，我是倔强青铜三。作为一名对技术充满热情的软件工程师，我热衷于分享和传播IT技术，致力于通过我的知识和技能推动技术交流与创新。欢迎关注我，微信公众号：倔强青铜三。期待您的点赞、收藏和关注，一键三连！

什么是大型语言模型（LLMs）？

大型语言模型（LLMs），如 OpenAI 的 GPT-3 和 GPT-4，是基于其训练数据理解和生成类人文本的机器学习算法。这些模型使用包含数百万甚至数十亿参数的神经网络构建，能够执行翻译、摘要、问答甚至创意写作等复杂任务。

LLMs 通过分析训练数据中的模式和词语之间的关系，生成连贯且符合上下文的输出。尽管它们能够模仿人类的文本风格，但它们并不具备意识、理解和情感。

大型语言模型主要属于深度学习结构中的变换器网络（Transformer Networks）。变换器模型是一种神经网络，通过识别序列中元素之间的连接来理解上下文和意义，例如句子中的单词。

什么是 LangChain？

LangChain 是一个由 Harrison Chase 开发的开源平台，旨在帮助开发者构建基于大型语言模型的应用程序，如聊天机器人和定制化应用。LangChain 提供了一套全面的工具包，支持多种用例，包括聊天机器人、自动问答、文本摘要等。

LangChain 由以下六个模块组成：

大型语言模型：提供与多种 LLMs 交互的标准接口。
提示构建：简化提示创建和处理的类和函数。
对话记忆：管理聊天历史，支持聊天机器人回忆之前的对话。
智能代理：根据用户输入选择工具的代理。
索引：组织文档以便与 LLMs 有效交互。
链：将多个 LLMs 或其他模块组合用于复杂应用。

LangChain 如何工作？

LangChain 将大量数据分解为小块，并将其嵌入到向量存储中。当用户输入提示时，LangChain 会查询向量存储以获取相关信息，并将这些信息传递给 LLM 以生成答案。

开始使用 LangChain

安装和配置

安装 LangChain 和 OpenAI：
```
pip install -q langchain openai
```

设置 OpenAI API 密钥：

import os
os.environ["OPENAI_API_KEY"] = "Your-API-Key"

示例代码

使用 LLM：

from langchain.llms import OpenAI
llm = OpenAI(temperature=0.7)
text = "世界上人口最多的五个城市是什么？"
print(llm(text))

提示模板：

from langchain.prompts import PromptTemplate
prompt = PromptTemplate(
    input_variables=["input"],
    template="世界上{input}最多的五个城市是什么？"
)

创建链：

from langchain.chains import LLMChain
llm = OpenAI(temperature=0.7)
prompt = PromptTemplate(
    input_variables=["attribute"],
    template="世界上最大的{attribute}是什么？"
)
chain = LLMChain(llm=llm, prompt=prompt)
print(chain.run("城市"))

使用 LangChain 开发应用程序

安装依赖：
```
pip install langchain openai
```

配置聊天机器人：

from langchain import ConversationChain, OpenAI, PromptTemplate, LLMChain
from langchain.memory import ConversationBufferWindowMemory

template = """助手是由 OpenAI 训练的大型语言模型。

{history}
人类：{human_input}
助手："""
prompt = PromptTemplate(input_variables=["history", "human_input"], template=template)

chatgpt_chain = LLMChain(
    llm=OpenAI(openai_api_key="YOUR-API-KEY", temperature=0),
    prompt=prompt,
    verbose=True,
    memory=ConversationBufferWindowMemory(k=2),
)

output = chatgpt_chain.predict(human_input="SingleStore 是什么？")
print(output)

结语

LangChain 是一个强大的框架，帮助开发者构建基于大型语言模型的应用程序。它提供了丰富的工具和模块，支持复杂 AI 应用的开发。建议进一步学习 LLMs 和 LangChain 的相关教程，以深入了解其功能和用法。

最后感谢阅读！欢迎关注我，微信公众号：倔强青铜三。欢迎点赞、收藏、关注，一键三连！！！

初学者指南：借助 LangChain 构建 LLM 驱动的应用程序！