【AI开发】Langchain基础

基础对话

首先先去deepseek上搞一个API key
根据deepseek官网的介绍，一个基础的chat模型应该这样写

# pip3 install langchain_openai
# python3 deepseek_v2_langchain.py
from langchain_openai import ChatOpenAI

llm = ChatOpenAI(
    model='deepseek-chat', 
    openai_api_key='', 
    openai_api_base='https://api.deepseek.com',
    max_tokens=1024
)

response = llm.invoke("给我一个很土但是听起来很好养活的男孩小名", temperature=1)
print(response.content)

其中需要注意的地方有

1. deepseek接口与openai兼容，所以调用deepseek接口可以实现
2. 之前的langchain.llms和langchain.chat_models已经换成了langchain_openai
3. predict和predict_messages在新版中已经被换成了invoke
4. temperature表示唯一性，为0时一般结果不变，越大每次结果越容易变化
5. 直接执行llm.invoke会出来完整的消息类型，如AIMessage…，我们可以通过.content或者其他属性来获取我们想要的内容

LangChain提供了几个对象，用于方便地区分不同的角色:

• HumanMessage: 来自人类/用户的ChatMessage。
• AIMessage: 来自AI/助手的ChatMessage。
• SystemMessage: 来自系统的ChatMessage。
• FunctionMessage: 来自函数调用的ChatMessage。

我们可以这样写

response = llm.invoke("Hi!")
print(response.content)

text = "做logo的公司的好名字是什么？"
message = [HumanMessage(content=text)]

response1=llm.invoke(message)
print(response1.content)

提示模板

大多数LLM应用程序不会是用户说啥，就完全传入到LLM中，那样会太麻烦。
在特定任务中，我们应该输入最核心的内容，然后LLM把该内容添加到一个更大的文本片段中，这就是提示模板prompttemplates
比如

from langchain.prompts import PromptTemplate
prompt = PromptTemplate.from_template("做{product}的公司的好名字应该是？")
prompt.