一、大语言模型
大语言模型是一种使用深度学习技术，比如神经网络，来理解和生成人类语言的人工智能模型。通俗来讲，大语言模型就是一个巨大的 “预测机器”，它的任务就是预测下一个词是什么。但它生成语言不靠理解，而是靠数学函数学习到的语言模式，生成一个概率模型来做预测。
二、LangChain简介
LangChain是一种应用开发工具，使得处理语言模型变得极其简便。通俗来讲，LangChain就是一个 “大语言模型的开发工具箱” ，它帮我们更方便地使用和开发基于大模型的应用。下面是LangChain官网中的开发界面：
LangChain支持Python和JavaScript，我们可以使用 pip install langchain 来安装LangChain，并安装依赖（如OpenAI的API、向量数据库等）以提高功能兼容性。
三、OpenAI API
OpenAI比较重要的两种模型：
- Chat Model 聊天模型 ：支持多轮对话，能提供更完整的上下文交互。
- Text Model 文本模型 ：适用于单轮对话或简单文本生成。适用于简单的单轮文本生成任务。
调用Text模型：
1. 注册好API Key。
2. 用 pip install openai 命令来安装OpenAI库。
3. 导入 OpenAI API Key。 导入代码如下：
import os
os.environ["OPENAI_API_KEY"] = '你的Open API Key'
OpenAI库就会查看名为OPENAI_API_KEY的环境变量，并使用它的值作为API密钥。所以注册完API key后，还需要在环境变量中添加注册好的API key，这样做可以防止密钥直接在代码中暴露。
4. 导入OpenAI库，并创建一个Client。
Client负责连接API服务、发送请求、接收响应。比如你想调用OpenAI的API生成一段文字，Client就是负责发送请求到OpenAI的服务器，并把服务器返回的响应拿回来。创建Client代码如下：
from openai import OpenAI
client = OpenAI()
其中client = OpenAI()创建了一个OpenAI的客户端实例，用来与OpenAI的大语言模型（GPT-3或GPT-4等）进行交互。OpenAI()是一个封装好的类，它提供了方便的接口来访问OpenAI API。通过这个client对象，我们可以调用OpenAI的大语言模型来生成文本或执行其他任务。在这行代码后面，可以通过client实例来调用模型。例如，通过client.predict("Hello!")，让大模型生成对“Hello!”的回复。
5. 指定 gpt-3.5-turbo-instruct（也就是 Text 模型）并调用 completions 方法，返回结果。 例如：
response = client.completions.create(
model="gpt-3.5-turbo-instruct", # 指定要使用的模型，即 gpt-3.5-turbo-instruct
temperature=0.5, # 控制生成文本的创意性或随机性，值越高输出越随机
max_tokens=100, # 限制生成回答的最大字符数（100个 token）
prompt="请给我的花店起个名" # 提示语，指定想要生成的内容主题
)
控制输出的内容和样式的常见参数：
6. 打印输出大模型返回的文字。
print(response.choices[0].text.strip())
当调用OpenAI的completions.create方法时，它会返回一个响应对象，这个响应对象是一个字典结构，包含了多个字段。例如在使用Text模型（如text-davinci-003）的情况下，响应对象的主要字段包括：
调用chat模型
整体流程上，Chat模型和Text模型的调用是类似的，只是前面加了一个chat，然后输入（prompt）和输出（response）的数据格式有所不同。
示例代码如下：
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
)
这里有有两个专属于Chat模型的概念，一个是消息，一个是角色。
消息：传入模型的提示。此处的messages参数是一个列表，包含了多个消息。每个消息都有一个role（可以是system、user或assistant）和content（消息的内容）。系统消息设定了对话的背景，用户消息提出了具体请求。模型的任务是基于这些消息来生成回复。
角色：在OpenAI的Chat模型中，system、user和assistant都是消息的角色。每一种角色都有不同的含义和作用。
- system：系统消息主要用于设定对话的背景或上下文。
- user：用户消息是从用户或人类角色发出的，就是用户希望模型响应的内容。
- assistant：助手消息是模型的回复。
通过LangChain，我们可以简化调用OpenAI模型的过程。使得原来冗长的代码简化为了几行。
通过这次导入课的学习，我了解到了通过LangChain我们能够很便捷地使用大模型，而不必深入了解底层的API调用。这对于刚开始接触大语言模型的我非常友好，可以通过简单的配置和参数设置就能实现很多复杂的功能。同时我也了解到了这个领域的发展之快，因此我要保持学习基础知识，持续关注新兴技术。
