一、安装 LangChain
首先，直接在 AutoDL 中注册账号，然后在镜像，社区镜像中搜索langchain。出现 Langchain-Chatchat，本手册沿用v0.2.10的环境。
要开始使用 LangChain，请按照以下步骤：
1. 准备 Python 环境
LangChain 需要 Python 支持。如果尚未安装，请从 Python 官网 下载并安装。
python --version
Python 3.8.10
2. 激活虚拟环境
建议在新的虚拟环境中安装 LangChain，以保持项目的依赖项整洁。可以使用 venv 或 conda 创建虚拟环境。
激活虚拟环境：
source activate /root/pyenv
查看已安装的 LangChain 版本：
%pip show langchain
%pip install python-dotenv
输出示例：
Name: langchain
Version: 0.0.354
由于 LangChain 通常需要与模型提供商、数据存储、API 等集成，在本例中，我们将使用 Qwen 的模型 API，因此需要安装 Qwen 的 API 包：
二、LangChain 入门示例
要访问 QWen，需要一个 API 密钥。您可以在 Qwen 官网 创建账号并获取 OPENAI_API_KEY。然后，将其设置为环境变量：
创建 .env 文件
DASHSCOPE_API_KEY="sk-704e7a4155304f00abb5d8105ea1XXXX"
BASE_URL=""
MODEL_NAME="qwen-plus"
如果不想设置环境变量，也可以在实例化 Qwen LLM 类时，通过 openai_api_key 参数直接传递：
from langchain_community.llms import Tongyi
llm = Tongyi(dashscope_api_key=os.getenv("DASHSCOPE_API_KEY"), model_name="qwen-plus")
这样，所有通过 Python requests 库发出的 HTTP 和 HTTPS 请求都将通过指定的代理服务器。不需要的切记删除。
导入模块并创建实例
导入 LangChain 相关模块，并创建 OpenAI 和 ChatOpenAI 实例：
from langchain_community.llms import Tongyi
from langchain_community.chat_models.tongyi import ChatTongyi
llm = Tongyi(dashscope_api_key=os.getenv("DASHSCOPE_API_KEY"), model_name="qwen-plus")
chat_model = ChatTongyi(
openai_api_key=os.getenv("DASHSCOPE_API_KEY"),
base_url="",
)
语言模型有两种类型：
- LLM：底层模型接收一个字符串作为输入并返回一个字符串。
- ChatModel：底层模型接收消息列表作为输入并返回一条消息。
调用 LLM 或 ChatModel 的最简单方法是使用 .invoke() 方法：
- LLM.invoke：接收字符串，返回字符串。
- ChatModel.invoke：接收 BaseMessage 列表，返回 BaseMessage。
示例代码：
# 使用客户端进行后续操作
from langchain.schema import HumanMessage
text = "对于一家生产彩色袜子的公司来说，什么是一个好的中文公司名称？"
messages = [HumanMessage(content=text)]
llm_result = llm.invoke(text)
chat_result = chat_model.invoke(messages)
print("LLM Result:", llm_result)
print("Chat Model Result:", chat_result)
上述代码中，text 是输入的字符串，messages 是包含一个 HumanMessage 实例的列表。
输出示例：
# LLM 输出
"彩色之足、缤纷袜业、彩袜天堂、色彩之履、七彩足迹。"
# ChatModel 输出
AIMessage(
content='一个好的中文公司名称对于一家生产彩色袜子的公司而言，可以是：
1. 七彩袜业有限公司
2. 缤纷足下有限公司
3. 彩虹袜子制造公司
4. 色彩斑斓袜业有限公司
5. 绚丽之足袜业有限公司
这些名称能够突出彩色袜子的特色，吸引消费者的注意。',
additional_kwargs={},
example=False
)
消息接口说明
基本消息接口由 BaseMessage 定义，具有以下必要属性：
- content：消息内容，通常为字符串。
- role：消息发送者的角色。
LangChain 提供了以下消息对象以区分不同的角色：
- HumanMessage：来自人类用户的消息。
- AIMessage：来自 AI 助手的消息。
- SystemMessage：系统消息。
- FunctionMessage / ToolMessage：包含函数或工具调用输出的消息。
下一步
在下一章节中，我们将体验 LangChain 中的 Prompt Template 工具，进一步探索如何构建高效的提示。
源码和更好的阅读体验：
Notion – The all-in-one workspace for your notes, tasks, wikis, and databases.
参考原创作者：