第六届字节跳动青训营第二课： LangChain系统安装和快速入门大语言模型（LLMs）基础：大语言模型是使用深度学

课程链接:

LangChain 实战课 - 掘金小册 - 掘金小册 (juejin.cn)

一大语言模型（LLMs）基础：

大语言模型是使用深度学习技术训练的AI，能够理解和生成复杂的人类语言。
它们通过预测下一个词来工作，基于大量训练数据学习语言模式和上下文。
尽管强大，但大语言模型并不真正理解语言，它们是基于概率的预测模型。

二 LangChain简介：

LangChain是一个基于大语言模型的应用开发工具，提供灵活性和模块化。
它允许开发者轻松调用语言模型，并利用其预测能力开发新应用。
LangChain支持Python和JavaScript，本教程使用Python版本。

三安装LangChain：

基本安装命令：

pip install langchain

可能需要额外安装依赖项，如:

pip install openai`和`pip install chroma

安装包括常用LLM库的命令：

pip install langchain[llms]

更新LangChain到最新版本：

pip install --upgrade langchain

从源代码安装：克隆存储库并运行

 pip install -e

四 LangChain学习资源：

LangChain的GitHub社区提供教程和最佳实践。
API文档是解决问题的重要参考，但可能存在错误，建议更新版本或提交问题反馈。

五 OpenAI API：

OpenAI提供ChatGPT、GPT-4等模型，需要注册API Key使用。
了解OpenAI API的基本设计思路对理解LangChain底层逻辑至关重要。

六 OpenAI模型类型：

Chat Model：适合对话和多轮次交互，如gpt-3.5-turbo和GPT-4。
Text Model：适合单轮文本生成，如text-davinci-003。

七调用OpenAI Text模型的步骤总结：

1. 注册API Key：

第一步是获取访问OpenAI API的权限，需要在OpenAI官网注册并获取一个API Key。

2.安装OpenAI库：

使用pip install openai命令来安装OpenAI库，这是与OpenAI API交互的必要工具。

3.导入API Key：

有多种方式可以将API Key导入到你的Python环境中。
可以通过设置环境变量OPENAI_API_KEY来隐藏API Key，避免直接在代码中暴露。
也可以在代码中直接设置openai.api_key = '你的Open API Key'，但这种方法不推荐，因为它可能会在代码共享时泄露你的密钥。

4.设置环境变量：

在操作系统中设置环境变量，例如在Linux系统中使用export OPENAI_API_KEY='你的Open API Key'命令。
或者使用.env文件存储API Key，并使用python-dotenv库在Python代码中加载。

5.创建OpenAI客户端：

导入OpenAI库，并创建一个客户端实例，例如client = OpenAI()。

6.调用Text模型：

使用客户端实例调用`completions.create`方法，指定模型、参数和提示（prompt）。

示例代码：

  ```
  python
  response = client.completions.create(
    model="gpt-3.5-turbo-instruct",
    temperature=0.5,
    max_tokens=100,
    prompt="请给我的花店起个名"
  )
  ```

通过调整参数如temperature和max_tokens，可以控制生成文本的随机性和长度。

7.处理响应：

响应对象包含了模型生成的输出和其他信息，可以通过response.choices[0].text. strip()获取模型生成的文本。

八 LangChain调用OpenAI模型：

LangChain简化了OpenAI模型的调用过程，只需几行代码即可实现。
LangChain对输出进行了解析，只保留最重要的文字部分。

以下是一些常见的参数

九 LangChain调用OpenAI模型：

LangChain简化了OpenAI模型的调用过程，只需几行代码。
LangChain对输出进行了解析，只保留最重要的文字部分。

在使用Text模型（如text-davinci-003）的情况下，响应对象的主要字段包括：

十课程内容介绍：

课程内容包括LangChain系统安装、快速入门、构建智能问答系统、模型I/O、提示工程、调用模型、输出解析、链、记忆、代理、工具和工具箱、检索增强生成、连接数据库、回调函数、CAMEL、BabyAGI等。
课程还包括实战项目，如部署鲜花网络电商人脉工具和开发聊天客服机器人。

十一调用OpenAI Text模型

知识点概览

在开始之前，这里是一些关键知识点，它们对于理解和实践如何使用OpenAI的Text模型和Chat模型至关重要：

API Key管理：了解如何安全地管理你的API Key，避免在代码中硬编码。
环境变量：学习如何使用环境变量来存储敏感信息，如API Key。
OpenAI库安装：掌握如何安装和使用OpenAI的Python库。
模型调用：理解如何使用OpenAI库调用不同的模型（Text和Chat）。
参数调整：学会如何调整生成参数（如temperature和max_tokens）来控制输出。
响应处理：知道如何处理模型返回的响应，并从中提取有用的信息。
安全性和最佳实践：了解在使用OpenAI API时的安全措施和最佳实践。

调用OpenAI Text模型

代码：

python
import os
from openai import OpenAI

# 设置环境变量中的API Key
os.environ["OPENAI_API_KEY"] = '你的Open API Key'

# 创建OpenAI客户端
client = OpenAI()

# 调用Text模型
response = client.completions.create(
  model="gpt-3.5-turbo-instruct",
  temperature=0.5,
  max_tokens=100,
  prompt="请给我的花店起个名"
)

# 打印模型生成的文本
print(response.choices[0].text.strip())

注意事项：确保网络连接稳定，以便能够成功连接到OpenAI的服务器。不要在代码中硬编码你的API Key，以避免泄露。在提交代码到版本控制系统之前，确保移除或隐藏API Key。检查OpenAI的API限制，确保你的请求不会超出配额。

调用OpenAI Chat模型

代码：

python
import os
from openai import OpenAI

# 设置环境变量中的API Key
os.environ["OPENAI_API_KEY"] = '你的Open API Key'

# 创建OpenAI客户端
client = OpenAI()

# 调用Chat模型
response = client.chat.completions.create(  
  model="gpt-4",
  messages=[
        {"role": "system", "content": "You are a creative AI."},
        {"role": "user", "content": "请给我的花店起个名"},
    ],
  temperature=0.8,
  max_tokens=60
)

# 打印模型生成的文本
print(response.choices[0].message['content'])

注意事项：确保messages参数格式正确，每个消息都包含正确的role和content。最后一条消息应始终为user角色的消息，因为模型需要回应用户。考虑到对话的连贯性，合理使用system消息来设定对话背景。检查API Key是否有效，以及是否有足够的余额进行API调用。如果使用.env文件存储API Key，请确保已安装python-dotenv库，并在代码中正确加载环境变量。

十二. 总结：

理解OpenAI模型的进化，掌握它们的适用场景。
掌握模型调用流程，为后续学习打下基础。
了解大语言模型领域的快速变化，以及LangChain在其中的作用。
通过实战项目，将理论知识应用于实际问题解决。

第六届字节跳动青训营第二课 ： LangChain系统安装和快速入门

一 大语言模型（LLMs）基础：