2.設(shè)置您的環(huán)境

a) 安裝所需的庫(kù)

首先，安裝LangChain和相關(guān)庫(kù)：

pip install langchain openai python-dotenv streamlit

b) 設(shè)置您的 OpenAI API 密鑰

1. 注冊(cè) OpenAI 帳戶并獲取您的 API 密鑰：OpenAI API。
2. 在項(xiàng)目目錄中創(chuàng)建一個(gè) .env 文件并添加 API 密鑰：

   OPENAI_API_KEY=your_api_key_here

1. 使用 dotenv 在 Python 腳本中加載 API 密鑰：

   from dotenv import load_dotenv
   import os

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

3. LangChain的關(guān)鍵概念

a) 提示

提示引導(dǎo)人工智能生成所需的輸出。 LangChain允許您使用PromptTemplate系統(tǒng)地構(gòu)建提示。

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(yǔ)言模型

LangChain 與 OpenAI 的 GPT 或 Hugging Face 模型等法學(xué)碩士集成。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(gè)步驟或任務(wù)組合到一個(gè)工作流程中。例如，一條鏈可能：

1. 總結(jié)文檔。
2. 根據(jù)摘要生成問(wèn)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

內(nèi)存使模型能夠保留多次交互的上下文。這對(duì)于聊天機(jī)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.示例應(yīng)用

a) 文本生成

使用提示生成創(chuàng)意響應(yīng)或內(nèi)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(jié)

高效總結(jié)文檔或文本。

pip install langchain openai python-dotenv streamlit

c) 聊天機(jī)器人

構(gòu)建一個(gè)具有記憶功能的交互式聊天機(jī)器人。

   OPENAI_API_KEY=your_api_key_here

5.高級(jí)功能

a) 工具

使模型能夠訪問(wèn)網(wǎng)絡(luò)搜索或數(shù)據(jù)庫(kù)等外部工具。

   from dotenv import load_dotenv
   import os

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

b) 定制鏈

通過(guò)組合多個(gè)任務(wù)來(lái)創(chuàng)建自定義工作流程。

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 進(jìn)行部署

使用 Streamlit 為您的生成式 AI 模型構(gòu)建一個(gè)簡(jiǎn)單的 Web 應(yīng)用程序。

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(jiǎn)單的應(yīng)用程序：

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(yùn)行應(yīng)用程序：

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(fā)人員的關(guān)鍵概念

a) 微調(diào)模型

學(xué)習(xí)在自定義數(shù)據(jù)集上微調(diào) GPT 或穩(wěn)定擴(kuò)散等模型。

b) 及時(shí)工程

掌握如何制作有效的提示以獲得所需的輸出。

c) 多模態(tài)人工智能

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

d) 擴(kuò)展和部署

使用云服務(wù)或 Docker 等工具將模型部署到生產(chǎn)環(huán)境。

8.資源

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

通過(guò)遵循本指南，您將獲得使用 Python 和 LangChain 構(gòu)建生成式 AI 應(yīng)用程序所需的基礎(chǔ)知識(shí)。開始實(shí)驗(yàn)、構(gòu)建工作流程并深入探索令人興奮的 AI 世界！

以上是使用 LangChain 和 Python 生成人工智能的綜合初學(xué)者指南 - 3的詳細(xì)內(nèi)容。更多信息請(qǐng)關(guān)注PHP中文網(wǎng)其他相關(guān)文章！