LangChain实战
基于Python的开发，首先安装LangChain时包括常用的开源LLM（大语言模型） 库。同时要安装和LangChain适配的llm库。
pip install langchain这是安装 LangChain 的最低要求。
LangChain 要与各种模型、数据存储库集成，比如说最重要的OpenAI的API接口，比如说开源大模型库HuggingFace Hub，再比如说对各种向量数据库的支持。默认情况下，是没有同时安装所需的依赖项。
或者直接使用火山引擎提供的SDK架构。
可以通过pip命令安装langchain llm的SDK,并更新到最新版本
pip install langchain[llms], pip install --upgrade langchain
LangChain本质上就是对各种大模型提供的API的套壳，是为了方便我们使用这些API，搭建起来的一些框架、模块和接口。 要了解LangChain的底层逻辑，需要了解大模型的API的基本设计思路。而目前接口最完备的、同时也是最强大的大语言模型，当然是OpenAI提供的GPT家族模型。
然而，OpenAI提供的模型有两种，chat model 和 text model，后者是前者的前身。
对于Text model 和 chat model 的调用也是分为不同的方法。
Text model
第1步，先注册好你的API Key。
第2步，用 pip install openai 命令来安装OpenAI库。
第3步，导入 OpenAI API Key。
导入API Key有多种方式，其中之一是通过下面的代码：
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。
也可以像下面这样先导入OpenAI库，然后指定api_key的值。
import openai
openai.api_key = '你的Open API Key'
当然，这种把Key直接放在代码里面的方法最不可取，因为你一不小心共享了代码，密钥就被别人看到了，他就可以使用你的GPT-4资源。
所以更好的方法是在操作系统中定义环境变量，比如在Linux系统的命令行中使用：
export OPENAI_API_KEY='你的Open API Key'
或者，你也可以考虑把环境变量保存在.env文件中，使用python-dotenv库从文件中读取它，这样也可以降低API密钥暴露在代码中的风险。
第4步，导入OpenAI库，并创建一个Client。
from openai import OpenAI
client = OpenAI()
第5步，指定 gpt-3.5-turbo-instruct（也就是 Text 模型）并调用 completions 方法，返回结果。
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")
在使用OpenAI的文本生成模型时，你可以通过一些参数来控制输出的内容和样式。这里我总结为了一些常见的参数。
