LangChain 技术概述
2023-03-27 16:23:00 6 举报AI智能生成
登录查看完整内容
LangChain 是一个基于大语言模型（如ChatGPT）用于构建端到端语言模型应用的 Python 框架。它提供了一系列模块，这些模块可以组合在一起，用于创建复杂的应用程序，也可以单独用于简单的应用程序。它逻辑上主要有6大模块：
作者其他创作
大纲/内容
简述：快速构建自然语言处理应用程序的工具
LangChain 是一个用于构建端到端语言模型应用的Python框架。它提供了一系列模块，这些模块可以组合在一起，用于创建复杂的应用程序。它逻辑上有6大模块：llms、prompt、chains、agents、memory、indexes
https://langchain.readthedocs.io/en/latest/index.html
使用文档
https://github.com/hwchase17/langchain
代码
from langchain.llms import OpenAI
导入模型包装器
llm = OpenAI(temperature=0.9)
初始化包装器
text = \"What would be a good company name for a company that makes colorful socks?\"print(llm(text))
使用
LLMs：从语言模型获取预测
from langchain.prompts import PromptTemplateprompt = PromptTemplate( input_variables=[\"product\
首先定义提示模板
print(prompt.format(product=\"colorful socks\"))
Templates：管理LLMs的提示
example_selector：提示词中的样例选择器
output_parsers：将LLM结果结构化
Prompt
创建一个非常简单的链：该链将获取用户输入，使用Prompt Template对其进行格式化，然后将其发送到LLM
chain.run(\"colorful socks\")
LLMChain：基本链
SequentialChain：组合链
LLM Math：结合python解释器完成数据计算
SQLDatabaseChain：结合sqlite数据库实例完成查询
qa_with_sources：基于多个文档进行问答（底层用到Networkx）
LLMRequestsChain：请求指定url查询结果，并用llm解释
PALChain：生成代码并运行得出结果
APIChain：根据api文档生成api请求
...
其他成品链
Chains：将LLMs和Prompts结合在多步骤工作流中
谷歌/bing/维基百搜索、数据库查找、Python REPL、wolfram、requests、json、Zapier商店、反问人类、其他链
tools：工具
提供分解任务的能力
模型
负责执行操作
代理
使用大型语言模型（LLM）来确定采取哪些操作以及按何种顺序进行
说明
from langchain.agents import load_toolsfrom langchain.agents import initialize_agenttools = load_tools([\"serpapi\
创建
agent.run(\"Who is Olivia Wilde's boyfriend? What is his current age raised to the 0.23 power?\")
Agents：根据用户输入动态调用Chains
Memory：向链和代理添加状态
Indexes：将文档进行结构化处理，包括4个组件：文档加载器、分割器、向量存储、检索器
LangChain
0 条评论
回复 删除
下一页
