Javascript版Langchain入门

我是AI小火箭的HB，我探索和写作人工智能和语言交叉点的所有事物，范围从LLM，聊天机器人，语音机器人，开发框架，以数据为中心的潜在空间等。

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。

LangChain目前有两个语言的实现：Python和Node.js。

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。

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。

npminstall-SlangchainHello World

首先，使用Langchain来调用OpenAI模型。

import{OpenAI}from"langchain/llms/openai"; constmodel=newOpenAI({ openAIApiKey:'sk-xxxx',//你的OpenAIAPIKey temperature:0.9 }); constres=awaitmodel.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"; constmodel=newOpenAI({ openAIApiKey:'sk-xxxx',//你的OpenAIAPIKey temperature:0.9 }); consttemplate="Whatisagoodnameforacompanythatmakes{product}?"; constprompt=newPromptTemplate({ template:template, inputVariables:["product"], }); constchain=newLLMChain({llm:model,prompt:prompt}); constres=awaitchain.call({product:"colorfulsocks"}); 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"; constmodel=newOpenAI({ streaming:true, openAIApiKey:'sk-xxxx',//你的OpenAIAPIKey temperature:0.9 }); consttools=[ newSerpAPI('你的SerpAPI的key',{ location:"Austin,Texas,UnitedStates", hl:"en", gl:"us", }), newCalculator(), ]; constexecutor=awaitinitializeAgentExecutorWithOptions(tools,model,{ agentType:"zero-shot-react-description", }); console.log("Loadedagent."); constinput= "谁是周杰伦的老婆？" "她的年纪加上10是多少?" console.log(`Executingwithinput"${input}"...`); constresult=awaitexecutor.call({input}); console.log(`Gotoutput${result.output}`);

输出：

Loadedagent. Executingwithinput"谁是周杰伦的老婆？她的年纪加上10是多少?"... GotoutputHannahQuinlivanisZhouJielun'swifeandsheis39yearsold.

执行结果做了两件事，

1. 1. 使用SerpAPI工具获取周杰伦的老婆的名字：Quinlivan
2. 2. 然后获取她的年龄：29岁
3. 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：

consttools=[ newSerpAPI('你的SerpAPI的key',{ location:"Austin,Texas,UnitedStates", hl:"en", gl:"us", }), newCalculator(), ];AI小火箭

使用AI小火箭也可以直接使用OpenAI的接口，快速使用，价格远低于OpenAI。