Javascript版Langchain入门

https://baijiahao.baidu.com/s?id=1769509377621631060&wfr=spider&for=pc

介绍

LangChain是一个开源Python库，用于构建由大型语言模型（LLM）支持的应用程序。它提供了一个框架，将LLM与其他数据源（如互联网或个人文件）连接起来，允许开发人员将多个命令链接在一起，以创建更复杂的应用程序。LangChain创建于2022年10月，是围绕LLMs（大语言模型）建立的一个框架，LLMs使用机器学习算法和海量数据来分析和理解自然语言。LangChain自身并不开发LLMs，它的核心理念是为各种LLMs实现通用的接口，把LLMs相关的组件“链接”在一起，简化LLMs应用的开发难度，方便开发者快速地开发复杂的LLMs应用。

支持的语言

LangChain目前有两个语言的实现：Python和Node.js。

组件

LangChain的组件包括：

• Models：模型，各种类型的模型和模型集成，比如GPT-4。
• Prompts：提示，包括提示管理、提示优化和提示序列化。
• Memory：记忆，用来保存和模型交互时的上下文状态。
• Indexes：索引，用来结构化文档，以便和模型交互。
• Chains：链，一系列对各种组件的调用。
• Agents：代理，决定模型采取哪些行动，执行并且观察流程，直到完成为止。

使用场景

LangChain的使用场景包括：构建聊天机器人、文本生成、文本分类、问答系统、语言翻译、语言模型微调等。

安装依赖库

npm install -S langchain

Hello World

首先，使用Langchain来调用OpenAI模型。

import { OpenAI } from "langchain/llms/openai";

const model = new OpenAI({
    openAIApiKey: 'sk-xxxx',//你的OpenAI API Key
    temperature: 0.9
});

const res = await model.call(
    "写一首诗，限制20个字"
);
console.log(res);

输出



春风迎新年，喜气绕家园。
祝福短信语，友谊永绵长。

替换提示语中的参数

import { OpenAI } from "langchain/llms/openai";
import { PromptTemplate } from "langchain/prompts";
import { LLMChain } from "langchain/chains";

const model = new OpenAI({
    openAIApiKey: 'sk-xxxx',//你的OpenAI API Key
    temperature: 0.9
});
const template = "What is a good name for a company that makes {product}?";
const prompt = new PromptTemplate({
    template: template,
    inputVariables: ["product"],
});

const chain = new LLMChain({ llm: model, prompt: prompt });
const res = await chain.call({ product: "colorful socks" });
console.log(res);

开始见识Langchain的强大

截止上个实例，你还没见识到Langchain的强大。

接下来，你先注册一个SerpApi帐号，获取api key。

点击这里注册

然后执行以下的代码，

import { OpenAI } from "langchain/llms/openai";
import { initializeAgentExecutorWithOptions } from "langchain/agents";
import { SerpAPI } from "langchain/tools";
import { Calculator } from "langchain/tools/calculator";

const model = new OpenAI({
    streaming: true,
    openAIApiKey: 'sk-xxxx',//你的OpenAI API Key
    temperature: 0.9
});
const tools = [
    new SerpAPI('你的SerpAPI的key', {
        location: "Austin,Texas,United States",
        hl: "en",
        gl: "us",
    }),
    new Calculator(),
];

const executor = await initializeAgentExecutorWithOptions(tools, model, {
    agentType: "zero-shot-react-description",
});
console.log("Loaded agent.");

const input =
    "谁是周杰伦的老婆？" +
    "她的年纪加上10是多少?"
console.log(`Executing with input "${input}"...`);

const result = await executor.call({ input });

console.log(`Got output ${result.output}`);

输出：

Loaded agent.
Executing with input "谁是周杰伦的老婆？她的年纪加上10是多少?"...
Got output Hannah Quinlivan is Zhou Jielun's wife and she is 39 years old.

执行结果做了两件事，

1. 使用SerpAPI工具获取周杰伦的老婆的名字：Quinlivan
2. 然后获取她的年龄：29岁
3. 最后使用Calculator工具加上10：最终得到39岁的结果

这里引进了Langchain的agents概念：代理。

决定模型采取哪些行动，执行并且观察流程，直到完成为止。

代码中引进了两个工具：SerpAPI和Calculator：

const tools = [
    new SerpAPI('你的SerpAPI的key', {
        location: "Austin,Texas,United States",
        hl: "en",
        gl: "us",
    }),
    new Calculator(),
];