本来想先写LangChain系列的,但是最近被
AutoGen
、LlamaIndex
给吸引了。2023就要过去了,TIOBE数据编程语言排名Python都第一了,可见今年AI开发之热。好吧,一边学习业界通用的LangChain框架,一边准备跨年吧。
前言
先是OpenAI引爆AI狂热,再是Llama2、通义千问、文心一言百家齐放,最近Google Gemini一出来就是梭哈。LLM已逐步被传统应用整合,升级为AI应用。其中,LangChain这个AI框架功不可没。因为,针对如OpenAI的API调用太底层,也不够通用,还有些跟业务相结合的中间层,这些LangChain帮我们打理好了。
LangChain适合的业务
- RAG 应用
LangChain
与LlamaIndex
握手,快速开发检索增强知识库类应用。
- 聊天机器人
反手给自己的应用添加一个AI客服。
- 代理
即Agent, 辅助大模型完成特定任wy
OPENAI 等大模型
OPENAI最近变慢了,变笨了,但是目前,确实没太好的替代产品啊。
LangChain简化和统一了在应用中集成和利用大语言模型能力的过程。除了OpenAI外,LangChain还可以很方便的集成在Hugging Face上的各种模型。
运行第一个LangChain应用
本系列代码都会跑在google的colab云端,它用于运行一些nlp任务非常方便,省去了本地安装一大堆环境,建议学习的时候先用它。[colab]
我们这里使用的大模型是OpenAI,你需要一个api-key。
- 安装LangChain和OpenAI
!pip install langchain==0.0.316
!pip install openai==0.28.1
这里使用的langchain是0.0.235版本,openai==0.28.1版本。请你在运行本教程代码时也使用这个版本。
- hello langchain
from langchain.chat_models import ChatOpenAI
from langchain.schema import HumanMessageimport os
os.environ['OPENAI_API_KEY'] = '您的有效OpenAI API Key'chat = ChatOpenAI(temperature=0, model_name="gpt-3.5-turbo")
response = chat([ HumanMessage(content="Hello Langchain!") ])
print(response)
Langchain
提供了聊天模型模块,有了chat_models,做聊天so easy!我们从chat_models里导入ChatOpenAI。temperature参数为自由度,值的范围在0-1之间,值越小,LLM的返回就越严谨,越大就越随意。如果你是要OpenAI给你写首诗,这个值 越大越好。如果你是要OpenAI告诉你法条中某事怎么个理,这个值接近0最好,不然,它便是法外狂徒。第二个参数我们指定了模型的名字,在这里,我们使用的是gpt-3.5-turbo,如果你非常有马内,也可以用gpt-4.0。
我们引入了os 系统模块,并将api_key 存入到OPENAI_API_KEY这个系统变量中。默认情况下,Langchain会从环境变量 OPENAI_API_KEY
中读取API Key。注意,在代码中直接嵌入API Key明文并不安全,切勿将API Key直接提交到代码仓库。我们建议利用.env文件和python-dotenv包来管理API Key
from langchain.schema import HumanMessage
提供了role
为user
的聊天内容对象封装。如果您刚入门不久,建议先去刷下吴恩达老师的OpenAI 课程。我们在聊天时,内容是由content和role组成的。role分为system、user、assistant三种。在langchain的schema里提供了user这种角色的消息对象,简化了我们聊天的代码。
如果看到了下面这样的反馈,我们完成了LangChain的第一个聊天程序。
总结
- 我们入门LangChain,了解其与OpenAI的关系,它对我们在业务中使用LLM提供了统一的封装。
如何学习AI大模型?
我在一线互联网企业工作十余年里,指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家,也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑,所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限,很多互联网行业朋友无法获得正确的资料得到学习提升,故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
第一阶段: 从大模型系统设计入手,讲解大模型的主要方法;
第二阶段: 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用;
第三阶段: 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统;
第四阶段: 大模型知识库应用开发以LangChain框架为例,构建物流行业咨询智能问答系统;
第五阶段: 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型;
第六阶段: 以SD多模态大模型为主,搭建了文生图小程序案例;
第七阶段: 以大模型平台应用与开发为主,通过星火大模型,文心大模型等成熟大模型构建大模型行业应用。
👉学会后的收获:👈
• 基于大模型全栈工程实现(前端、后端、产品经理、设计、数据分析等),通过这门课可获得不同能力;
• 能够利用大模型解决相关实际项目需求: 大数据时代,越来越多的企业和机构需要处理海量数据,利用大模型技术可以更好地处理这些数据,提高数据分析和决策的准确性。因此,掌握大模型应用开发技能,可以让程序员更好地应对实际项目需求;
• 基于大模型和企业数据AI应用开发,实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能, 学会Fine-tuning垂直训练大模型(数据准备、数据蒸馏、大模型部署)一站式掌握;
• 能够完成时下热门大模型垂直领域模型训练能力,提高程序员的编码能力: 大模型应用开发需要掌握机器学习算法、深度学习框架等技术,这些技术的掌握可以提高程序员的编码能力和分析能力,让程序员更加熟练地编写高质量的代码。
1.AI大模型学习路线图
2.100套AI大模型商业化落地方案
3.100集大模型视频教程
4.200本大模型PDF书籍
5.LLM面试题合集
6.AI产品经理资源合集
👉获取方式:
😝有需要的小伙伴,可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓