目录
- LangChain是什么 如何使用
- 一、需要大语言模型
- 二、LangChain的模块
- 1. LLM:从语言模型中输出预测结果
- 2. Prompt Templates: 管理LLMs的Prompts
- 3. Chains:将LLMs和prompts结合起来
- 4. Agents:基于用户输入动态地调用chains
- 5. Memory
- 遇到的错误
LangChain是什么 如何使用
经过了chatGPT,大家都知道了prompt-based learning,也明白了prompt在生成式模型的重要性。假设问答任务要用prompt A, 摘要生成任务要用prompt B,那么如何管理不同的prompt呢?
Langchain主要的功能就是集成管理prompt。安装
pip install langchain
一、需要大语言模型
使用langchain需要使用一个大语言模型。这个模型可以用openai的gpt-turbo-3.5,也可以用Hugging face hub里面的大模型。
用这些大模型就需要调用他们的api,所以就要去这些网站生成相应的token。二、LangChain的模块
LangChain提供了许多模块,可以用于构建语言模型应用程序。这些模块可以组合在一起创建更复杂的应用程序,也可以单独用于简单的应用程序。
LangChain主要有以下模块
1. LLM:从语言模型中输出预测结果
- 例子:基于公司产品生成公司名称
# 导入LLM包装器。 from langchain.llms import OpenAI # 初始化包装器,temperature越高结果越随机 llm = OpenAI(temperature=0.9) # 进行调用 text = "What would be a good company name for a company that makes colorful socks?" print(llm(text))
2. Prompt Templates: 管理LLMs的Prompts
一般来说我们不会直接把输入给模型,而是将输入和一些别的句子连在一起,形成prompts之后给模型。
例如之前根据产品取名的用例,在实际服务中我们可能只想输入"socks",那么"What would be a good company name for a company that makes"就是我们的template。from langchain.prompts import PromptTemplate prompt = PromptTemplate( input_variables=["product"], template="What is a good name for a company that makes {product}?", )
那么,对于模型来说,真正的输入就是
print(prompt.format(product="colorful socks")) What is a good name for a company that makes colorful socks?
3. Chains:将LLMs和prompts结合起来
很容易想到,我们的模型有很多,prompts也有很多,那么需要把他们组装起来,这就是Chains做的事情。
一个Chain包含一个Template和一个模型。例如LLMChain,就包含一个PromptTemandroidplate和一个LLM。这样我们的例子就可以from langchain.prompts import PromptTemplate from langchain.llms import OpenAI llm = OpenAI(temperature=0.9) prompt = PromptTemplate( input_variables=["product"], template="What is a good name for a company that makes {product}?", )
我们可以创建一个LLMChain,然后将llm和prompt给chain。
from langchain.chains import LLMChain chain = LLMChain(llm=llm, prompt=prompt)
然后可以运行这个chain
chain.run("colorful socks") Socktastic!'
4. Agents:基于用户输入动态地调用chains
关于Agents,需要理解以下的概念:
- Tool:输入是一个string,输出是一个string,作用是做某个特定任务。这个任务可以是做搜索、查数据库或者python REPL.
- LLM:语言模型
- Agent:要使用的代理。这应该是一个字符串,引用一个支持代理类。这里就是调用其他服务的API。
这里有一个例子。假设想知道Taylor Swift的男友是谁,并且求出他的年龄的3次方。
from langchain.agents import laod_tools from langchain.agents import initialize_agent from langchain.llms import OpenAI import os os.environ["OPENAI_API_KEY"] = "xxxxxxxx" os.environ["SERPAPI_API_KEY"] ="yyyyyyyy" # 导入llm模型 llm = OpenAI(temperature=0) # 导入一些tools,这里倒入serpapi和llm-math # SerpApi是一个付费提供搜索结果API的第三方服务提供商。它允许用户通过简单的API调用访问各种搜索引擎的搜索结果,包括Google、Bing、Yahoo、Yandex等。 # llm-math是langchain里面的能做数学计算的模块 tools = load_tools(["serpapi", "llm-math"], llm=llm) # 初始化tools,models 和使用的agent agent = initialize_agent(tools, llm, agent="zero-shot-react-description", verbose=True) # 输出结果 agent.run("Who isTaylor's boyfriend? What is his current age raised to the 3 power?")
输出
> Entering new AgentExecutor chain...
I need to find out who Taylor Swift's boyfriend is and then calculate his age raised to the 3 power.Action: SearchAction Input: "Taylor Swift boyfriend"Observation: Taylor Swift's romance with actor Joe A开发者_JS学习lwyn is her most serious yet secretive to date. Since 2016, their famously private relationship has ...Thought: I need to find out Joe Alwyn's age.Action: SearchAction Input: "Joe Alwyn age"Observation: 32 yearsThought: I need to calculate 32 raised to the 3 power.Action: Cal编程culatorAction Input: 32^3Observation: Answer: 32768Thought: I now know the final answer.Final Answer: Taylor Swift's boyfriend is Joe Alwyn and his current age raised to the 3 power is 32768.
分析这个输出可以知道,它的思路很清晰。
它的动作包括:- 读题:Thought(理解题意)
- 执行:Action(做什么)、Action Input(输入是什么)、Observation(输出是什么)
- 总结:Final Answer(最终输出)
每一个输出之后紧跟着一个Thought,思考下一步做什么,如果发现任务全部完成就输出最终答案。
5. Memory
如果想做一个聊天机器人,那么要求机器人有短暂的记忆,记住对话的历史。
Langchain的ConversationChain就提供这样一个功能。默认情况下,ConversationChain具有一种简单类型的内存,它会记住所有先前的输入/输出并将它们添加到传递的上下文中。
# ConversationChain用法 from langchain import OpenAI, ConversationChain llm = 编程OpenAI(temperature=0) conversation = ConversationChain(llm=llm, verbose=True) # (将phpverbose设置为True,以便我们可以看到提示) conversation.predict(input="Hi there!")
输出
> Entering new chain...
Prompt after formatting:The following is a friendly conversation between javascripta human and an AI. The AI is talkative and provides lots of specific details from its context. If the AI does not know the answer to a question, it truthfully says it does not know.Current conversation:
Human: Hi there!
AI:> Finished chain.
' Hello! How are you today?
遇到的错误
- ImportError: cannot import name 'load_tools' from 'langchain.agents'我用的是python3.7,然后将python版本升级到了3.9就解决了。
参考
https://langchain.readthedocs.io/en/latest/getting_started/getting_started.html
以上就是Langchain集成管理prompt功能详解的详细内容,更多关于Langchain集成管理prompt的资料请关注我们其它相关文章!
精彩评论