使用 LangChain 和 Python 產生人工智慧的綜合初學者指南 - 3

生成式人工智慧讓系統能夠根據資料和提示建立文字、圖像、程式碼或其他形式的內容。 LangChain 是一個框架，透過編排工作流程、管理提示以及啟用記憶體和工具整合等進階功能，簡化了生成式 AI 模型的使用。

本指南介紹了使用 LangChain 和 Python 開始產生式 AI 所需的關鍵概念和工具。

---

1.什麼是浪鏈？

LangChain 是一個基於 Python 的框架，用於使用 OpenAI 的 GPT 或 Hugging Face 模型等大型語言模型 (LLM) 建立應用程式。它有幫助：

• 管理提示：建立可重複使用的結構化提示。
• 鍊式工作流程：將多個LLM呼叫合併到一個工作流程中。
• 使用工具：使 AI 模型能夠與 API、資料庫等互動。
• 新增記憶：允許模型記住過去的交互作用。

---

2.設定您的環境

a) 安裝所需的庫

首先，安裝LangChain和相關庫：

pip install langchain openai python-dotenv streamlit

b) 設定您的 OpenAI API 金鑰

1. 註冊 OpenAI 帳戶並取得您的 API 金鑰：OpenAI API。
2. 在專案目錄中建立一個 .env 檔案並新增 API 金鑰：

OPENAI_API_KEY=your_api_key_here

1. 使用 dotenv 在 Python 腳本中載入 API 金鑰：

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

提示引導人工智慧產生所需的輸出。 LangChain允許您使用PromptTemplate系統地建立提示。

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 模型等法學碩士整合。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. 總結文件。
2. 根據摘要產生問題。

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

記憶體使模型能夠保留多次交互的上下文。這對於聊天機器人很有用。

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.範例應用

a) 文字產生

使用提示產生創意回應或內容。

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

高效率總結文件或文字。

pip install langchain openai python-dotenv streamlit

c) 聊天機器人

建立一個具有記憶功能的互動式聊天機器人。

OPENAI_API_KEY=your_api_key_here

---

5.高級功能

a) 工具

使模型能夠存取網路搜尋或資料庫等外部工具。

from dotenv import load_dotenv
import os

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

b) 客製化鏈

透過組合多個任務來建立自訂工作流程。

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 部署

使用 Streamlit 為您的生成式 AI 模型建立一個簡單的 Web 應用程式。

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)

簡單的應用程式：

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)

運行應用程式：

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 開發人員的關鍵概念

a) 微調模型

學習在自訂資料集上微調 GPT 或穩定擴散等模型。

b) 及時工程

掌握如何製作有效的提示以獲得所需的輸出。

c) 多模態人工智慧

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

d) 擴充與部署

使用雲端服務或 Docker 等工具將模型部署到生產環境。

---

8.資源

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

---

遵循本指南，您將獲得使用 Python 和 LangChain 建立生成式 AI 應用程式所需的基礎知識。開始實驗、建立工作流程並深入探索令人興奮的 AI 世界！

以上是使用 LangChain 和 Python 產生人工智慧的綜合初學者指南 - 3的詳細內容。更多資訊請關注PHP中文網其他相關文章！