LangChain是Python和JavaScript/Typescript的功能强大库，可让您快速原型制作大型语言模型应用程序。它允许您将LLM任务链接在一起（因此名称），甚至允许您快速，轻松地运行自主座位。今天，我们将介绍连锁店的基础知识，因此您可以使用最新的LLM项目来跑步！

先决条件

• python 3.9
  • 3.10及以上的一些Langchain的模块存在一些问题。
• An OpenAI API Key

入门

我们将创建一个python虚拟环境并以这种方式安装依赖项。

mkdir myproject
cd myproject
# or python3, python3.9, etc depending on your setup
python -m venv env
source env/bin/activate

一旦完成，我们就可以安装依赖项。本教程我们唯一需要的是Langchain和Openai。最后，python-dotenv将用于将OpenAI API键加载到环境中。

pip install langchain openai python-dotenv

Langchain是一个非常大的图书馆，因此可能需要几分钟。在下载时，创建一个名为.env的新文件并粘贴了您的API键。这是一个示例：

OPENAI_API_KEY=Your-api-key-here

一旦完成，我们就可以制作第一个链！

快速概念

您需要了解一些基本概念才能开始。

• 链条可以被认为是列表中使用LLM或多个LLM调用的动作列表。链由3个简单的零件组成。
  • Prompt Template - 因此您可以快速更改输入而不更改提示。
  • LLM - 实际运行您提示的AI。
  • Output Parsers - 将输出转换为有用的东西，通常只是另一个字符串。

写链

在此示例中，我们将写一条链，该链为教育渠道生成一个Tiktok脚本（我毕竟是Zoomer）。首先，我们需要为Tiktok生成描述。我们将使用及时的模板，以便以后重复使用提示。

# prompts.py
from langchain.prompts import PromptTemplate

description_prompt = PromptTemplate.from_template(
    "Write me a description for a TikTok about {topic}")

然后可以在链中使用。在定义链条之前，我们需要定义一个LLM以供链条使用。 Langchain建议大多数用户应该使用ChatOpenAI类来获得Chatgpt API的成本优势和简单性。

# chain.py
from langchain.chat_models import ChatOpenAI
from langchain.chains import LLMChain
from dotenv import load_dotenv
from prompts import description_prompt

# loads the .env file
load_dotenv()

llm = ChatOpenAI(model_name="gpt-3.5-turbo")

一旦完成，我们就可以创建链条。

description_chain = LLMChain(llm=llm, prompt=description_prompt, verbose=True)

现在我们可以用.predict调用新链3

output = description_chain.predict(topic="Cats are cool")
print(output)

这是输出：

ð»释放您的内部猫咪爱好者！从他们迷人的眼睛到纯粹的神秘方式，猫都是凉爽的缩影。 ð¾观看他们毫不费力地拥有自己的空间，教我们放松和演奏的艺术。无论他们是掌握杂技演员还是为猫纳普cur缩，他们的凉爽共鸣都是不可否认的。 ð加入猫的热潮，拥抱这些四足潮流引领者的惊人！ ð±ð«#catsrule #coolcats #felinevibes

现在我们有了描述，我们需要将其编写一个脚本。这是链接进来的地方 - 我们可以使用略有不同的提示再次依次调用LLM。首先，让我们为下一个链条定义一个新的提示。

# add to prompts.py

script_prompt = PromptTemplate.from_template(
    "Write me a script for a TikTok given the following description: {description}")

这是您的chain.py现在应该看起来的样子。

# chain.py
from langchain.chat_models import ChatOpenAI
from langchain.chains import LLMChain
from dotenv import load_dotenv
# this line changed!!!!!
from prompts import description_prompt, script_prompt

# loads the .env file
load_dotenv()

llm = ChatOpenAI(model_name="gpt-3.5-turbo")

description_chain = LLMChain(llm=llm, prompt=description_prompt, verbose=True)

output = description_chain.predict(topic="Cats are cool")
print(output)

# new code below this line
script_chain = LLMChain(llm=llm, prompt=script_prompt)
script = description_chain.predict(description=output, verbose=True)
print(script)

这是新输出：

[开镜头：猫迷人的眼睛的特写，慢慢眨眼。]

旁白（Voiceover）：“ð»释放您的内心猫咪爱好者！”

[切成一个时尚的猫，自信地穿过房间，尾巴优雅地摇动。]

叙述者（旁白）：“从他们迷人的眼睛到他们的神秘方式……”

[过渡到以不同松弛姿势闲逛的猫的蒙太奇。]

叙述者（旁白）：“猫是凉爽的缩影。ð¾”

[显示一只猫毫不费力地跳到高架上，精确着陆。]

叙述者（旁白）：“看着他们毫不费力地拥有自己的空间……”

[切成一个躺在沙发上的人，而一只猫在嬉戏的弦玩具上嬉戏蝙蝠。]

叙述者（旁白）：“教我们放松和娱乐的艺术。”

[在追逐羽毛玩具时，展示一只猫做一个优雅的中空翻转。]

叙述者（Voiceover）：“他们是否掌握杂技...

[过渡到一个猫的舒适场景，在阳光明媚的地方curl缩，眼睛半闭塞。]

旁白（Voiceover）：“或cur缩为猫……”

[切成各种个性和皮毛模式的一组猫。]

旁白（Voiceover）：“他们的凉爽共鸣是不可否认的。”

[展示一个抚摸内容猫的人，既有片刻的联系。]

叙述者（旁白）：“ð加入猫的热潮并拥抱令人敬畏的……”

[切成一只嬉戏的猫追着尾巴，伴随着开朗的笑声。]

叙述者（Voiceover）：“ ...在这些四足潮流引诱器中！”

[以一只猫坐着的镜头而结束，自信地注视着相机。]

叙述者（Voiceover）：“ð±ð«#Catsrule #CoolCats #felinevibes”

[淡出猫的眼睛的最后一瞥。]

叙述者（旁白）：“因为酷时，猫写了这本书。”

[结束屏幕：“跟随更多猫般的乐趣！”]

[随着Tiktok视频总结，背景音乐逐渐消失。]

这样使用它们是 fine ，但是如果我们想将它们连接在一起怎么办？这就是Sequential Chains所在的位置。这些允许您将多个链条连接到一个单个功能调用中，并在定义的顺序下执行它们。有两种类型的顺序链，我们将重点关注简单的顺序链。编辑链导入线以下：

from langchain.chains import LLMChain, SimpleSequentialChain

将LLM链移到文件的顶部，然后删除打印语句和.predict调用。

# chain.py
from langchain.chat_models import ChatOpenAI
from langchain.chains import LLMChain, SimpleSequentialChain
from dotenv import load_dotenv
# this line changed!!!!!
from prompts import description_prompt, script_prompt

# loads the .env file
load_dotenv()

llm = ChatOpenAI(model_name="gpt-3.5-turbo")

description_chain = LLMChain(llm=llm, prompt=description_prompt)
script_chain = LLMChain(llm=llm, prompt=script_prompt)

tiktok_chain = SimpleSequentialChain(chains=[description_chain, script_chain], verbose=True)

script = tiktok_chain.run("cats are cool")

print(script)

这是输出：

标题：#CoolCatsrule

int。客厅 - 天

随着摄像机在一个时尚装饰的客厅中，一首时尚，乐观的歌曲开始播放。可以看到各种以猫为主题的装饰，为展示猫的不可否认的凉爽树立了完美的氛围。

切成：

int。卧室 - 天

一个年轻的女人，在她二十多岁的时候，站在全长的镜子前。她穿着时尚的衣服，拿着一只猫，她的怀里同样很酷。

年轻女人
（看镜子）
准备向世界展示为什么猫统治！

当相机放大猫科动物时，年轻女子将猫轻轻地放在地上。

切成：

int。厨房 - 天

一只猫坐在厨房的柜台上，戴着太阳镜时毫不费力地在一个爪子上平衡。相机周围摇晃，捕捉其凉爽的举止。

切成：

int。后院 - 天

一只猫在吊床上闲逛，戴着一顶小帽子，读书。摄像机捕捉了它放松而精致的氛围。

切成：

int。客厅 - 天

年轻女子坐在沙发上，周围是一群酷猫。每只猫都展示了它们独特的凉爽度，就像一件穿着皮夹克和另一只弹吉他的猫一样。

年轻女人
（指向猫）
看？猫规则！

摄像机放大了猫，显示了他们不可否认的猫科动物。

切成：

int。客厅 - 天

年轻的女人和她的酷猫聚集在桌子旁，在那里他们喜欢一个迷你猫聚会。有猫主题的零食，时髦的饮料，甚至还有DJ猫刮擦乙烯基记录。

切成：

int。客厅 - 天

年轻女子举起一个标语，上面写着“ #coolcatsrule”，因为猫在她旁边摆姿势。摄像机摇晃以露出一个有趣，充满活力的舞蹈常规，因为它们都陷入了节奏。

切成：

int。客厅 - 天

年轻的女人和她的酷猫打出了最后的姿势，相机捕捉了他们不可否认的凉爽。

年轻女人
（看相机）
记住，伙计，猫规则！

屏幕随着#CoolCatsrule的主题逐渐消失。

淡出。

结论

Langchain是一个改变游戏规则的人，对于希望快速原型大型语言模型应用程序的任何人来说。在短短几分钟之内，我们就完成了创建链条，定义提示，甚至连接多个LLM调用的过程，以创建动态的Tiktok脚本。

Langchain的力量在于其简单性和灵活性。无论您是经验丰富的开发人员还是刚开始，Langchain的直观设计都可以使您利用前所未有的大型语言模型的功能。从生成创意内容到运行自主代理，可能性是无限的。

那为什么要等？今天深入Langchain，并在您的项目中释放AI的潜力。如果您想将AI集成到现有的工作流程或产品中，那么时间范围实验室将在这里提供帮助。我们的热情AI专家团队专门研究AI咨询，开发，内部工具和LLM托管，致力于建立AI的未来，并帮助您的业务在这个快速变化的行业中蓬勃发展。 Contact us今天！

通过稳定扩散产生的封面图像。