Javascript版Langchain入門教程解析

更新時間：2023年06月25日 09:35:25 作者：文質(zhì)彬彬的煎餅

這篇文章主要介紹了Javascript版Langchain入門教程解析

引言

我是AI小火箭的HB，我探索和寫作人工智能和語言交叉點的所有事物，范圍從LLM，聊天機器人，語音機器人，開發(fā)框架，以數(shù)據(jù)為中心的潛在空間等。

介紹

LangChain是一個開源Python庫，用于構(gòu)建由大型語言模型（LLM）支持的應用程序。它提供了一個框架，將LLM與其他數(shù)據(jù)源（如互聯(lián)網(wǎng)或個人文件）連接起來，允許開發(fā)人員將多個命令鏈接在一起，以創(chuàng)建更復雜的應用程序。

LangChain創(chuàng)建于2022年10月，是圍繞LLMs（大語言模型）建立的一個框架，LLMs使用機器學習算法和海量數(shù)據(jù)來分析和理解自然語言。LangChain自身并不開發(fā)LLMs，它的核心理念是為各種LLMs實現(xiàn)通用的接口，把LLMs相關的組件“鏈接”在一起，簡化LLMs應用的開發(fā)難度，方便開發(fā)者快速地開發(fā)復雜的LLMs應用。

支持的語言

LangChain目前有兩個語言的實現(xiàn)：Python和Node.js。

組件

LangChain的組件包括：

Models：模型，各種類型的模型和模型集成，比如GPT-4。
Prompts：提示，包括提示管理、提示優(yōu)化和提示序列化。
Memory：記憶，用來保存和模型交互時的上下文狀態(tài)。
Indexes：索引，用來結(jié)構(gòu)化文檔，以便和模型交互。
Chains：鏈，一系列對各種組件的調(diào)用。
Agents：代理，決定模型采取哪些行動，執(zhí)行并且觀察流程，直到完成為止。

使用場景

LangChain的使用場景包括：構(gòu)建聊天機器人、文本生成、文本分類、問答系統(tǒng)、語言翻譯、語言模型微調(diào)等。

安裝依賴庫

npm install -S langchain

Hello World

首先，使用Langchain來調(diào)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(
    "寫一首詩，限制20個字"
);
console.log(res);

輸出

春風迎新年，喜氣繞家園。
祝福短信語，友誼永綿長。

替換提示語中的參數(shù)

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);

開始見識Langchain的強大

截止上個實例，你還沒見識到Langchain的強大。

接下來，你先注冊一個SerpApi帳號，獲取api key。

點擊這里注冊

然后執(zhí)行以下的代碼，

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 =
    "誰是周杰倫的老婆？" +
    "她的年紀加上10是多少?"
console.log(`Executing with input "${input}"...`);
const result = await executor.call({ input });
console.log(`Got output ${result.output}`);

輸出：

Loaded agent.
Executing with input "誰是周杰倫的老婆？她的年紀加上10是多少?"...
Got output Hannah Quinlivan is Zhou Jielun's wife and she is 39 years old.

執(zhí)行結(jié)果做了兩件事，

使用SerpAPI工具獲取周杰倫的老婆的名字：Quinlivan
然后獲取她的年齡：29歲
最后使用Calculator工具加上10：最終得到39歲的結(jié)果

這里引進了Langchain的agents概念：代理。

決定模型采取哪些行動，執(zhí)行并且觀察流程，直到完成為止。

代碼中引進了兩個工具：SerpAPI和Calculator：

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

以上就是Javascript版Langchain入門教程解析的詳細內(nèi)容，更多關于Javascript版Langchain入門的資料請關注腳本之家其它相關文章！

您可能感興趣的文章: