langchain组件介绍LangChain 介绍 你把它看做是大语言模型的 连接器套装 它不造 AI 大脑而是把 AI 大脑 和相关的各种小零件 (例如处理文字记录聊天历史调用外部工具等...) 串起来。给不同的 AI 大脑 做通用接口。 让开发者不用从零开始就能快速做出复杂的 AI 应用 (例如智能问答机器人自动生成报告的工具)。你把 LangChain 想象成 1 个 智能助手工作台 每个组件都是工作台里的工具。 Models (模型): 核心的 智能大脑 例如ChatGPT, 千问文心一言这类能回答问题生成内容的 AI。 例如你问大象有多重ChatGPT 可以告诉你答案它就是这个 大脑Prompts (提示): 你对 智能大脑 说的话 (问题 / 指令), 包括把话说清楚让大脑更懂你。 例如直接说 苹果 , 大脑懵你说苹果和香蕉哪个维 C 多这就是 提示优化Memory (记忆): 核让大脑记住之前的对话别 断片 . 例如你告诉你有只狗叫旺财。接着你问我你家宠物叫啥- 旺财.Index (索引): 把外部文档 (PDF 书word 报告) 整理成 大脑能快速翻找的形式. 例如你有本 三国演示 电子书问: 诸葛亮借东风是第几回 Index 会把书的内容整理好让模型快速找到相关答案.Chain (链): 把 提示模型记忆索引 这些工具串起来自动完成一系列惭作. 例如让模型先从 三国演义 中找东风的情节 (用 Index), 结合之前聊的三国人物 (用 Memory) 最后生成一段故事讲解 (用 Models), Chain 会自动把这些步骤连起来做.Agents (代理): 让 智能大脑 自己决定做哪些步骤来完成任务像个 小管家 . 例如你说 帮我查今天的机票再选个附近的酒店. Agent 会自己决定先查机票网站再查几点平台一步步把事儿做完.langchain核心包3 LangChain 核心包langchain-core聊天模型和其他组件的基础抽象。集成包例如 langchain-openai、langchain-anthropic 等重要的集成被拆分为轻量级的独立包由 LangChain 团队和集成方共同维护。langchain包含链chains、智能体agents和检索策略这些构成了应用的认知架构。langchain-community由社区维护的第三方集成。langgraph一个编排框架用于将 LangChain 组件组合成可用于生产的应用支持持久化、流式处理及其他关键特性。本项目以 LangChainQwen 进行学习需要提前安装pip install openai pip install langchain pip install modelscope借助阿里云 - 百炼平台需要申请 API Key 以及 Secret Key 大模型服务平台百炼控制台models组件llms调用一般用result.content看结果 通过langchain_openai的ChatOpenAI兼容接口, 调用阿里统一千问大模型. 属于: Models组件 - LLM大语言模型 - ChatOpenAI方式. # 忽略警告. import warnings warnings.filterwarnings(ignore) # 导包 from langchain_openai import ChatOpenAI # 遵循OpenAI对话接口标准, 可对接所有兼容OpenAI协议的大模型服务. import os # 加载系统环境变量, 存放密钥, 接口地址等敏感信息. # 1. 实例化 对话大模型对象. model ChatOpenAI( base_urlos.environ.get(base_url, https://dashscope.aliyuncs.com/compatible-mode/v1), # 模型服务接口地址. modelqwen-plus, # 指定要调用的模型名. openai_api_keyos.environ.get(DASHSCOPE_API_KEY), # 模型的调用密钥, 会自动取Path环境变量中读取. max_tokens1000, # 限制模型单词输出最大字符token数量, 防止超长回复, 控制消耗. temperature0 # 温度参数, 取值范围0~1, 0代表模型输出完全稳定, 无随机创造性, 适合严谨问答. 数值越高回答越随机. ) # 2. 向模型发送提问请求, 获取对话返回完整对象. result model.invoke(给我讲个笑话) # 3. 打印模型返回结果. # print(result) print(result.content)ollama调用ollama ls看下下载的模型 案例: langchain_ollama接口, 调用本地的 qwen大模型. 属于: Models组件 - LLM大语言模型 - Ollama方式. # 忽略警告. import warnings warnings.filterwarnings(ignore) # 导包 from langchain_ollama import OllamaLLM # OllamaLLM本地大模型交互核心类. # 1. 实例化本地Ollama大模型对象. model OllamaLLM(modelqwen2:1.5b) # 2. 向模型发送提问请求, 获取对话返回完整对象. result model.invoke(给我讲个笑话吧) # 3. 打印模型返回结果. print(result)
