Python 使用 langchain 过程中的错误总结
1. 环境
conda activate langchain
pip install -U langchain
$ pip show langchain
Name: langchain
Version: 0.3.7
Summary: Building applications with LLMs through composability
Home-page: https://github.com/langchain-ai/langchain
Author:
Author-email:
License: MIT
Location: ~/.conda/envs/langchain/lib/python3.10/site-packages
Requires: aiohttp, async-timeout, langchain-core, langchain-text-splitters, langsmith, numpy, pydantic, PyYAML, requests, SQLAlchemy, tenacity
Required-by: langchain-community
可知 langchain 为最新版本 0.3.7
2. 代码
使用 DevAGI 中转平台:
代码同目录下有 .env 文件,内容为
OPENAI_API_KEY=sk-zLNNYxxx
OPENAI_API_BASE=https://api.fe8.cn/v1
代码 model.py:
from langchain_openai import ChatOpenAI
from dotenv import load_dotenv, find_dotenv_ = load_dotenv(find_dotenv())llm = ChatOpenAI() # 默认是gpt-3.5-turbo
response = llm.invoke("讲个笑话")
print(response.content)
2.1 报错 Unknown scheme for proxy URL URL(‘socks://127.0.0.1:1080/’) :
pydantic_core._pydantic_core.ValidationError: 1 validation error for ChatOpenAIValue error, Unknown scheme for proxy URL URL('socks://127.0.0.1:1080/') [type=value_error, input_value={'model_kwargs': {}}, input_type=dict]For further information visit https://errors.pydantic.dev/2.9/v/value_error
- 终端解决方式:
$ unset all_proxy && unset ALL_PROXY
$ python model.py
- 代码形式:
from langchain_openai import ChatOpenAI
from dotenv import load_dotenv, find_dotenv
import os# 删除all_proxy环境变量
if 'all_proxy' in os.environ:del os.environ['all_proxy']# 删除ALL_PROXY环境变量
if 'ALL_PROXY' in os.environ:del os.environ['ALL_PROXY']_ = load_dotenv(find_dotenv())llm = ChatOpenAI() # 默认是gpt-3.5-turbo
response = llm.invoke("讲个笑话")
print(response.content)
输出:
为什么兔子不爱上网?
因为他怕被网住了!
2.2 报错 openai.NotFoundError: 404 page not found
使用 Deepbricks 中转平台,启动代理后
代码:
from langchain_community.chat_models import ChatOpenAI
from langchain.prompts import PromptTemplate
import os# 删除all_proxy环境变量
if 'all_proxy' in os.environ:del os.environ['all_proxy']# 删除ALL_PROXY环境变量
if 'ALL_PROXY' in os.environ:del os.environ['ALL_PROXY']API_KEY = os.getenv("API_KEY")
BASE_URL = "https://api.deepbricks.ai/v1/chat/completions"
GPT_MODEL = "GPT-4o-mini"template = """Question: {question}
Answer: Let's think step by step."""prompt = PromptTemplate(template=template, input_variables=["question"])llm = ChatOpenAI(openai_api_key=API_KEY,openai_api_base=BASE_URL,model_name="GPT-4o-mini"
)llm_chain = prompt | llmquestion = "What NFL team won the Super Bowl in the year Justin Beiber was born?"print(llm_chain.invoke(question))
报错:
...File "~/.conda/envs/langchain/lib/python3.10/site-packages/openai/resources/chat/completions.py", line 830, in createreturn self._post(File "~/.conda/envs/langchain/lib/python3.10/site-packages/openai/_base_client.py", line 1281, in postreturn cast(ResponseT, self.request(cast_to, opts, stream=stream, stream_cls=stream_cls))File "~/.conda/envs/langchain/lib/python3.10/site-packages/openai/_base_client.py", line 958, in requestreturn self._request(File "~/.conda/envs/langchain/lib/python3.10/site-packages/openai/_base_client.py", line 1062, in _requestraise self._make_status_error_from_response(err.response) from None
openai.NotFoundError: 404 page not found
解决方法:
修改 ~/.conda/envs/langchain/lib/python3.10/site-packages/openai/resources/chat/completions.py
...
return self._post("/chat/completions",...)
path 改成:
...
return self._post("https://api.deepbricks.ai/v1/chat/completions"...)
运行:
LangChainDeprecationWarning: The class `ChatOpenAI` was deprecated in LangChain 0.0.10 and will be removed in 1.0. An updated version of the class exists in the :class:`~langchain-openai package and should be used instead. To use it run `pip install -U :class:`~langchain-openai` and import as `from :class:`~langchain_openai import ChatOpenAI``.llm = ChatOpenAI(
content='Justin Bieber was born on March 1, 1994. To find out which NFL team won the Super Bowl that year, we need to identify the Super Bowl that took place in 1994.\n\nThe Super Bowl that followed the 1993 NFL season was Super Bowl XXVIII, which was played on January 30, 1994. In that game, the Dallas Cowboys played against the Buffalo Bills. The Cowboys won the game with a score of 30-13.\n\nTherefore, the NFL team that won the Super Bowl in the year Justin Bieber was born is the **Dallas Cowboys**.' additional_kwargs={} response_metadata={'token_usage': {'completion_tokens': 121, 'prompt_tokens': 33, 'total_tokens': 154, 'completion_tokens_details': None, 'prompt_tokens_details': None}, 'model_name': 'GPT-4o-mini', 'system_fingerprint': 'fp_0ba0d124f1', 'finish_reason': 'stop', 'logprobs': None} id='run-cd444a45-5c5f-4e4c-8e65-e07b591e93e4-0'
Tips
参考:
- ValueError: Unable to determine SOCKS version from socks://127.0.0.1:1080/
相关文章:
Python 使用 langchain 过程中的错误总结
1. 环境 conda activate langchain pip install -U langchain$ pip show langchain Name: langchain Version: 0.3.7 Summary: Building applications with LLMs through composability Home-page: https://github.com/langchain-ai/langchain Author: Author-email: Licens…...
MySQL基础篇总结
基本SQL语句分类 DDL(数据定义语言) 数据定义语言,用来定义数据库对象(数据库、表、字段)。 数据控制语言,用来创建数据库用户、控制数据库的控制权限。 数据库操作 查询所有数据库: SHOW DATABASES; 查询当前数据库…...
全面解析:网络协议及其应用
💓 博客主页:瑕疵的CSDN主页 📝 Gitee主页:瑕疵的gitee主页 ⏩ 文章专栏:《热点资讯》 # 全面解析:网络协议及其应用 文章目录 网络协议概述定义发展历程主要优势 主要网络协议应用层协议传输层协议网络层…...
一文了解Java序列化
Java 序列化(Serialization)是将对象的状态转换为字节流,以便将对象的状态保存到文件中或通过网络传输的过程。反序列化(Deserialization)则是将字节流恢复为原始对象。Java 序列化主要通过 Serializable 接口实现。 为…...
【前端基础】CSS基础
目标:掌握 CSS 属性基本写法,能够使用文字相关属性美化文章页。 01-CSS初体验 层叠样式表 (Cascading Style Sheets,缩写为 CSS),是一种 样式表 语言,用来描述 HTML 文档的呈现(美化内容&#…...
Linux之selinux和防火墙
selinux(强化的linux) 传统的文件权限与账号的关系:自主访问控制,DAC; 以策略规则制定特定程序读取特定文件:强制访问控制,MAC SELinux是通过MAC的方式来控制管理进程,它控制的主…...
架构零散知识点
1 数据库 1.1 数据库范式 有一个学生表,主键是学号,含有学生号、学生名、班级、班级名,违反了数据库第几范式? --非主属性不依赖于主键,不满足第二范式 有一个订单表,包含以下字段:订单ID&…...
【从零开始的LeetCode-算法】3254. 长度为 K 的子数组的能量值 I
给你一个长度为 n 的整数数组 nums 和一个正整数 k 。一个数组的 能量值 定义为: 如果 所有 元素都是依次 连续 且 上升 的,那么能量值为 最大 的元素。否则为 -1 。 你需要求出 nums 中所有长度为 k 的子数组的能量值。 请你返回一个长度为 n - k 1…...
跨IDE开发
跨IDE开发:多工具协同最佳实践 🛠️ 在现代软件开发中,不同的开发任务往往需要不同的工具。让我们探讨如何高效地在多个IDE间协同工作! 第一部分:IDE协同开发的基础设施 🏗️ 1. 统一的项目配置 为了确保…...
2020年美国总统大选数据分析与模型预测
数据集取自:2020年🇺🇸🇺🇸美国大选数据集 - Heywhale.com 前言 对2020年美国总统大选数据的深入分析,提供各州和县层面的投票情况及选民行为的可视化展示。数据预处理阶段将涉及对异常值的处理࿰…...
C++应用场景开发——学生信息管理系统!!!
C 是一种多功能且高效的编程语言,广泛应用于多种领域。 以下是一些常见的 C 应用场景: 1. 系统软件开发 C 经常用于开发操作系统、文件系统、设备驱动程序和其他底层系统软件。由于其高效的内存管理和性能优势,C 在这些领域非常受欢迎。 …...
Pytorch实现transformer语言模型
转载自:| 03_language_model/02_Transformer语言模型.ipynb | 从头训练Transformer语言模型 |Open In Colab | Transformer语言模型 本节训练一个 sequence-to-sequence 模型,使用pytorch的 nn.Transformer <https://pytorch.org/docs/master/nn.ht…...
Java后台生成指定路径下创建指定名称的文件
1.Java后台生成指定路径下创建指定名称的CSV文件 /*** <生成csv文件>* param filePath 文件路径名称* param fileName 文件名称* param colNameList 标题数据信息* param dataList CSV的文件数据* return filePathfileName* throws*/public static File genera…...
sqlcoder70b模型,如果需要训练或者微调需要什么样的GPU机器
要训练或微调 SQLCoder-70B 这样的大规模模型,需要高性能 GPU 资源。以下是硬件资源的推荐配置,特别是针对内存需求较大的模型: 1. GPU 显存要求 至少 8 张 A100 80GB GPUs:70B 参数模型在微调时需要高显存,80GB A10…...
【Python实战案例】爬虫项目实例(附赠源码)
文章目录 声明安装必要的库项目结构技术细节小结 声明 请您遵守网站的robots文件规定,本文目的只是做学习交流使用,包括多个模块,例如数据存储、日志记录、错误处理、多线程或异步请求 安装必要的库 pip install requests beautifulsoup4 sq…...
PDF多功能工具箱 PDF Shaper v14.6
如今对PDF处理的软件很多都是只是单一的功能。PDF Shaper给你完全不同的体验,因为PDF Shaper是一款免费的PDF工具集合的软件。有了PDF Shaper,你以后再也不用下载其他处理PDF的软件了。PDF Shaper的功能有:合并,分割,加…...
Jupyter Notebook添加kernel的解决方案
大家好,我是爱编程的喵喵。双985硕士毕业,现担任全栈工程师一职,热衷于将数据思维应用到工作与生活中。从事机器学习以及相关的前后端开发工作。曾在阿里云、科大讯飞、CCF等比赛获得多次Top名次。现为CSDN博客专家、人工智能领域优质创作者。喜欢通过博客创作的方式对所学的…...
Linux 无名管道
无名管道(unnamed pipe)是一种进程间通信的方式,通常用于父子进程之间的通信。下面是使用无名管道的基本步骤: pipe 调用的返回值如下: 成功时:pipe 调用成功时返回 0。失败时:如果 pipe 调用…...
Java项目实战II基于Spring Boot的药店管理系统的设计与实现(开发文档+数据库+源码)
目录 一、前言 二、技术介绍 三、系统实现 四、文档参考 五、核心代码 六、源码获取 全栈码农以及毕业设计实战开发,CSDN平台Java领域新星创作者,专注于大学生项目实战开发、讲解和毕业答疑辅导。 一、前言 随着医疗行业的快速发展和人们对健康需…...
前端拖拽库方案之react-beautiful-dnd
近期,知名 React 拖拽库 react-beautiful-dnd 宣布了项目弃用的决定,未来将不再维护。这一决定源于其存在的缺陷与局限性,促使作者转向开发一个更加现代化的拖拽解决方案——Pragmatic drag and drop(下面会介绍)&…...
Mamba模型实战:如何用S6替代Transformer处理长文本(附代码示例)
Mamba模型实战:如何用S6替代Transformer处理长文本(附代码示例) 在自然语言处理领域,Transformer架构因其强大的注意力机制而长期占据主导地位。然而,当面对长文本处理任务时,Transformer的二次方计算复杂度…...
丹青识画系统助力PS软件插件开发:智能图像分析功能扩展
丹青识画系统助力PS软件插件开发:智能图像分析功能扩展 作为一名和设计工具打了十几年交道的“老炮儿”,我见过太多设计师朋友在创意构思和细节调整时陷入纠结。一张图,色彩搭配是否和谐?构图有没有更好的可能?很多时…...
深入解析D触发器与分频器:时序逻辑的核心构建块
1. D触发器:数字世界的记忆单元 第一次接触D触发器时,我把它想象成一个会"记住"当前状态的小盒子。这个看似简单的元件,却是构建复杂数字系统的基石。D触发器全称Data触发器,属于边沿触发器件,这意味着它只…...
Youtu-VL-4B-Instruct商业应用:法律合同截图OCR+关键条款摘要生成提效方案
Youtu-VL-4B-Instruct商业应用:法律合同截图OCR关键条款摘要生成提效方案 1. 引言:当法律遇上AI,合同审核的痛点与转机 想象一下这个场景:法务同事或律师助理的电脑桌面上,堆满了来自邮件、聊天记录、扫描件的各种合…...
DAMOYOLO-S在复杂遮挡下的实例分割效果展示:精准勾勒物体轮廓
DAMOYOLO-S在复杂遮挡下的实例分割效果展示:精准勾勒物体轮廓 最近在测试各种目标检测和分割模型时,我遇到了一个挺头疼的问题:当画面里的物体挤在一起、相互遮挡,或者只露出一小部分时,很多模型就“犯迷糊”了。检测…...
逆向新手也能懂:用Python脚本5分钟搞定‘长城杯’EasyRe逆向题
逆向工程零基础入门:用Python五分钟破解CTF异或加密题 第一次接触CTF逆向题时,看着满屏的汇编代码和反编译结果,我完全不知所措。直到发现有些题目其实只需要一点Python脚本就能解决——比如这道来自"长城杯"网络安全大赛的EasyRe题…...
STM32主从定时器实战:用CubeMX搞定PWM移相+动态调占空比(附G474配置)
STM32主从定时器实战:CubeMX图形化配置PWM移相与动态调占空比 在电力电子和电机控制领域,精确的PWM信号控制是系统高效运行的关键。对于需要多路相位可调PWM的应用场景,如交错并联DC/DC变换器、三相逆变器等,传统的手动寄存器配置…...
51单片机驱动DS1302:从时序解析到精准电子钟实战
1. 初识DS1302:你的第一个实时时钟芯片 第一次接触DS1302时,我盯着这个只有8个引脚的小芯片看了半天——这么小的东西真的能准确记录时间吗?事实证明它不仅做得到,而且做得很好。DS1302是Dallas公司推出的一款经典实时时钟芯片&am…...
编译原理实战:5分钟搞定词法分析器的选择题(含答案解析)
编译原理实战:词法分析器选择题高效解题指南 在编译原理的学习和考试中,词法分析器相关选择题往往是考察重点,也是许多同学容易失分的部分。面对复杂的正规式、有限自动机等概念,如何快速准确地做出判断?本文将带你深入…...
如何用Python零依赖快速获取百度搜索结果?python-baidusearch深度解析
如何用Python零依赖快速获取百度搜索结果?python-baidusearch深度解析 【免费下载链接】python-baidusearch 自己手写的百度搜索接口的封装,pip安装,支持命令行执行。Baidu Search unofficial API for Python with no external dependencies …...
