生成式人工智能使系統(tǒng)能夠根據數(shù)據和提示創(chuàng)建文本、圖像、代碼或其他形式的內容。 LangChain 是一個框架，通過編排工作流程、管理提示以及啟用內存和工具集成等高級功能，簡化了生成式 AI 模型的使用。

本指南介紹了使用 LangChain 和 Python 開始生成式 AI 所需的關鍵概念和工具。

---

1.什么是浪鏈？

LangChain 是一個基于 Python 的框架，用于使用 OpenAI 的 GPT 或 Hugging Face 模型等大型語言模型 (LLM) 構建應用程序。它有幫助：

• 管理提示：創(chuàng)建可重復使用的結構化提示。
• 鏈式工作流程：將多個LLM調用合并到一個工作流程中。
• 使用工具：使 AI 模型能夠與 API、數(shù)據庫等交互。
• 添加記憶：允許模型記住過去的交互。

---

2.設置您的環(huán)境

a) 安裝所需的庫

首先，安裝LangChain和相關庫：

pip install langchain openai python-dotenv streamlit

b) 設置您的 OpenAI API 密鑰

1. 注冊 OpenAI 帳戶并獲取您的 API 密鑰：OpenAI API。
2. 在項目目錄中創(chuàng)建一個 .env 文件并添加 API 密鑰：

   OPENAI_API_KEY=your_api_key_here

1. 使用 dotenv 在 Python 腳本中加載 API 密鑰：

   from dotenv import load_dotenv
   import os

   load_dotenv()
   openai_api_key = os.getenv("OPENAI_API_KEY")

---

3. LangChain的關鍵概念

a) 提示

提示引導人工智能生成所需的輸出。 LangChain允許您使用PromptTemplate系統(tǒng)地構建提示。

from langchain.prompts import PromptTemplate

# Define a template
template = "You are an AI that summarizes text. Summarize the following: {text}"
prompt = PromptTemplate(input_variables=["text"], template=template)

# Generate a prompt with dynamic input
user_text = "Artificial Intelligence is a field of study that focuses on creating machines capable of intelligent behavior."
formatted_prompt = prompt.format(text=user_text)
print(formatted_prompt)

b) 語言模型

LangChain 與 OpenAI 的 GPT 或 Hugging Face 模型等法學碩士集成。使用 OpenAI GPT 的 ChatOpenAI。

from langchain.chat_models import ChatOpenAI

# Initialize the model
chat = ChatOpenAI(temperature=0.7, openai_api_key=openai_api_key)

# Generate a response
response = chat.predict("What is Generative AI?")
print(response)

c) 鏈條

鏈將多個步驟或任務組合到一個工作流程中。例如，一條鏈可能：

1. 總結文檔。
2. 根據摘要生成問題。

from langchain.chains import LLMChain
from langchain.prompts import PromptTemplate

# Create a prompt and chain
template = "Summarize the following text: {text}"
prompt = PromptTemplate(input_variables=["text"], template=template)
chain = LLMChain(llm=chat, prompt=prompt)

# Execute the chain
result = chain.run("Generative AI refers to AI systems capable of creating text, images, or other outputs.")
print(result)

d) 記憶

內存使模型能夠保留多次交互的上下文。這對于聊天機器人很有用。

from langchain.chains import ConversationChain
from langchain.memory import ConversationBufferMemory

# Initialize memory and the conversation chain
memory = ConversationBufferMemory()
conversation = ConversationChain(llm=chat, memory=memory)

# Have a conversation
print(conversation.run("Hi, who are you?"))
print(conversation.run("What did I just ask you?"))

---

4.示例應用

a) 文本生成

使用提示生成創(chuàng)意響應或內容。

from langchain.chat_models import ChatOpenAI
from langchain.prompts import PromptTemplate

chat = ChatOpenAI(temperature=0.9, openai_api_key=openai_api_key)
prompt = PromptTemplate(input_variables=["topic"], template="Write a poem about {topic}.")
chain = LLMChain(llm=chat, prompt=prompt)

# Generate a poem
result = chain.run("technology")
print(result)

b) 總結

高效總結文檔或文本。

pip install langchain openai python-dotenv streamlit

c) 聊天機器人

構建一個具有記憶功能的交互式聊天機器人。

   OPENAI_API_KEY=your_api_key_here

---

5.高級功能

a) 工具

使模型能夠訪問網絡搜索或數(shù)據庫等外部工具。

   from dotenv import load_dotenv
   import os

   load_dotenv()
   openai_api_key = os.getenv("OPENAI_API_KEY")

b) 定制鏈

通過組合多個任務來創(chuàng)建自定義工作流程。

from langchain.prompts import PromptTemplate

# Define a template
template = "You are an AI that summarizes text. Summarize the following: {text}"
prompt = PromptTemplate(input_variables=["text"], template=template)

# Generate a prompt with dynamic input
user_text = "Artificial Intelligence is a field of study that focuses on creating machines capable of intelligent behavior."
formatted_prompt = prompt.format(text=user_text)
print(formatted_prompt)

---

6.使用 Streamlit 進行部署

使用 Streamlit 為您的生成式 AI 模型構建一個簡單的 Web 應用程序。

安裝 Streamlit：

from langchain.chat_models import ChatOpenAI

# Initialize the model
chat = ChatOpenAI(temperature=0.7, openai_api_key=openai_api_key)

# Generate a response
response = chat.predict("What is Generative AI?")
print(response)

簡單的應用程序：

from langchain.chains import LLMChain
from langchain.prompts import PromptTemplate

# Create a prompt and chain
template = "Summarize the following text: {text}"
prompt = PromptTemplate(input_variables=["text"], template=template)
chain = LLMChain(llm=chat, prompt=prompt)

# Execute the chain
result = chain.run("Generative AI refers to AI systems capable of creating text, images, or other outputs.")
print(result)

運行應用程序：

from langchain.chains import ConversationChain
from langchain.memory import ConversationBufferMemory

# Initialize memory and the conversation chain
memory = ConversationBufferMemory()
conversation = ConversationChain(llm=chat, memory=memory)

# Have a conversation
print(conversation.run("Hi, who are you?"))
print(conversation.run("What did I just ask you?"))

---

7.生成式 AI 開發(fā)人員的關鍵概念

a) 微調模型

學習在自定義數(shù)據集上微調 GPT 或穩(wěn)定擴散等模型。

b) 及時工程

掌握如何制作有效的提示以獲得所需的輸出。

c) 多模態(tài)人工智能

使用結合文本、圖像和其他模式的模型（例如 OpenAI 的 DALL·E 或 CLIP）。

d) 擴展和部署

使用云服務或 Docker 等工具將模型部署到生產環(huán)境。

---

8.資源

• LangChain文檔：LangChain文檔
• OpenAI API：OpenAI 文檔
• 抱臉模特：抱臉

---

通過遵循本指南，您將獲得使用 Python 和 LangChain 構建生成式 AI 應用程序所需的基礎知識。開始實驗、構建工作流程并深入探索令人興奮的 AI 世界！

以上是使用 LangChain 和 Python 生成人工智能的綜合初學者指南 - 3的詳細內容。更多信息請關注PHP中文網其他相關文章！