LangChain：大型语言模型（LLMs）-- 基础知识

1、LangChain的调用大型语言模型模块的介绍

LangChain是一个强大的框架，旨在通过调用大型语言模型（LLM）来开发各种语言驱动的应用程序。在LangChain中，LLM不仅仅是一个简单的模型调用，而是一个复杂链条中的关键部分。这个链条可能包括数据检索、模型推理、上下文感知等多个环节，共同构成了LangChain的强大功能。

LangChain对LLM的调用进行了高度抽象和优化，使得开发者可以轻松地将不同的LLM集成到自己的应用程序中。无论是OpenAI的GPT系列，还是其他提供商的模型，LangChain都提供了一个统一、标准的接口，极大地简化了开发过程。

2、LangChain的调用大型语言模型模块的使用

使用LangChain调用LLM非常简单。首先，开发者需要选择一个合适的LLM提供商，并获取相应的API密钥。然后，他们可以通过LangChain提供的标准接口，轻松地调用LLM进行各种任务，如文本生成、问答、摘要等。

LangChain还提供了丰富的上下文感知能力，使得LLM可以更好地理解用户的输入和意图。通过将LLM连接到各种上下文来源，如提示指令、历史对话等，LangChain可以帮助开发者构建出更加智能、自然的应用程序。

此外，LangChain还支持链式调用，即在一个链条中依次调用多个LLM或实用工具。这种灵活性使得开发者可以根据需要自由组合不同的模型和工具，实现更加复杂的功能。

3、LangChain的调用大型语言模型模块的代码范例

下面是一个使用LangChain调用LLM的简单代码范例：

import os
os.environ["OPENAI_API_KEY"] = 'sk-xxx'
os.environ["OPENAI_BASE_URL"] = 'https://api.openai.com/v1'from langchain_openai import ChatOpenAIllm = ChatOpenAI();
llm2 = OpenAI()
respond = llm.invoke("你是谁？")
print(respond.content)

在这个例子中，我们首先导入了ChatOpenAI类，然后创建了一个实例，使用invoke提问。当然如果使用上下文，也可以创建prompt类，同样使用invoke提问：

import os
os.environ["OPENAI_API_KEY"] = 'sk-xxx'
os.environ["OPENAI_BASE_URL"] = 'https://api.openai.com/v1'from langchain_openai import ChatOpenAI
from langchain.prompts.chat import ChatPromptTemplate, SystemMessagePromptTemplate, HumanMessagePromptTemplatetemplate = ChatPromptTemplate.from_messages([SystemMessagePromptTemplate.from_template("你是{product}专家助手，你的名字叫{name}"),HumanMessagePromptTemplate.from_template("{query}")])llm = ChatOpenAI();
prompt = template.format_messages(name="小猫", product="langchain", query="你好，你是谁？")
# llm(prompt)
respond = llm.invoke(prompt)
print(respond.content)