LangChain 的聊天模型_langchain 聊天

各位人工智能爱好者，大家好！今天，我们就来详细了解一下 LangChain 聊天模型。LangChain是一个很棒的工具，它提供了与各种语言模型交互的标准接口，包括基于文本的大型语言模型（LLM）和聊天模型。

LangChain模型的概念

模型是 LangChain 的重要组成部分。LangChain 不是模型的提供者，而是一个接口，让您可以与来自其他地方的各种语言模型进行交互。目前，LangChain支持LLM、聊天模型和文本嵌入模型。

LLM 和聊天模型之间的主要区别在于它们的输入和输出结构。LLM 在基于文本的输入和输出上运行，而聊天模型则遵循基于消息的输入和输出系统。

值得注意的是，聊天模型 API 是一个相对较新的功能，并且它们仍在确定最有效的抽象。

聊天模型入门

聊天模型是语言模型的变体。虽然他们在底层使用语言模型，但他们公开的接口有些不同。它们公开了一个接口，其中“聊天消息”是输入和输出，而不是“文本输入、文本输出”API。

在 LangChain，他们将 ChatMessage 称为聊天模型的信息模块化单元。这通常包括一个“文本”字段，表示聊天消息的内容。目前支持四种不同类别的 ChatMessage：

• HumanChatMessage：从人类的角度发送的聊天消息。

• AIChatMessage：从人类正在通信的人工智能系统的角度发送的消息。

• SystemChatMessage：向 AI 系统提供有关对话的一些信息的消息。通常在对话开始时发送。

• ChatMessage：通用聊天消息，不仅具有“文本”字段，还具有任意“角色”字段。

LangChain 目前支持 ChatOpenAI 模型（带有 gpt-4 和 gpt-3.5-turbo），但他们预计将来会添加更多。首先，您需要做的就是使用 LLM 实现的 call 方法，传入字符串输入。以下是如何使用 ChatOpenAI 实现发起对话的简单示例：

import { ChatOpenAI } from "langchain/chat_models/openai";
import { HumanChatMessage } from "langchain/schema";
 
export const run = async () => {
  const chat = new ChatOpenAI();
  const response = await chat.call([
    new HumanChatMessage(
      "What is a good name for a company that makes colorful socks?"
    ),
  ]);
  console.log(response);
  // AIChatMessage { text: '\n\nRainbow Sox Co.' }
};

为了更深入的了解，您可以参考 API 参考：ChatOpenAI和HumanChatMessage。

集成：聊天模型

LangChain 提供了多种与各种模型提供商集成的聊天模型实现。这些包括ChatOpenAI、Azure ChatOpenAI、 和ChatAnthropic。每个提供程序都有不同的实例化方式。例如，要实例化ChatOpenAI：

import { ChatOpenAI } from "langchain/chat_models/openai";
 
const model = new ChatOpenAI({
  temperature: 0.9,
  apiKey: "your_openai_api_key"
});

这temperature是一个超参数，用于调整模型响应的随机性。较高的值会导致更多样化的输出，而较低的值会使输出更具确定性。

这apiKey是您的个人 OpenAI API 密钥，它授权您使用该模型。

同样，您可以实例化Azure ChatOpenAI 和 ChatAnthropic：

// Azure ChatOpenAI
import { AzureChatOpenAI } from "langchain/chat_models/azure";
 
const model = new AzureChatOpenAI({
  temperature: 0.9,
  azureApiKey: "your_azure_api_key"
});
 
// ChatAnthropic
import { ChatAnthropic } from "langchain/chat_models/anthropic";
 
const model = new ChatAnthropic({
  temperature: 0.9,
  anthropicApiKey: "your_anthropic_api_key"
});

注意：请确保将"your_openai_api_key"、"your_azure_api_key"、 和替换"your_anthropic_api_key"为您的实际 API 密钥。

请记住，每个提供程序可能具有其实现所独有的特定参数。请务必参考 LangChain 文档或提供商的文档以全面了解参数。

结论

LangChain的聊天模型提供了与各种AI语言模型交互的统一方法。这种多功能性允许开发人员在不同的提供商之间无缝切换。虽然我们已经介绍了 OpenAI、Azure 和 Anthropic 实例化聊天模型的基础知识，但 LangChain 中还提供了大量其他功能和自定义功能。作为一个开源项目，LangChain 鼓励社区贡献来推动其成长和进化。借助 LangChain，创建强大的语言处理应用程序的潜力触手可及。

常见问题解答

什么是 LangChain ？

• LangChain是一个开源项目，旨在通过提供统一的接口来简化各种语言模型的使用。它支持多种流行的 AI 语言模型提供商，例如 OpenAI、Azure 和 Anthropic。

我如何为 LangChain 做出贡献？

• 作为一个开源项目，LangChain 欢迎社区贡献。您可以通过多种方式做出贡献，例如添加新功能、修复错误、改进文档等等。请参阅该项目的贡献指南以获取更多信息。

temperature实例化代码中的参数是什么？

• 该temperature参数控制模型响应的随机性。较高的值会产生更多的随机输出，而较低的值会使模型的输出更具确定性。

什么是 API 密钥？为什么需要它？

• API 密钥是识别调用程序的代码。它用于跟踪和控制 API 的使用方式。对于 LangChain，您需要提供提供商特定的 API 密钥来验证您的请求。

我在哪里可以获得 API 密钥？

• 您可以从相应提供商的平台获取 API 密钥。例如，对于 OpenAI，您可以从 OpenAI 帐户的仪表板生成 API 密钥。

LangChain可以免费使用吗？

• 虽然LangChain是一个开源项目并且可以免费使用，但底层的人工智能提供商可能会对他们的服务收费。请检查您计划使用的提供商的具体定价详细信息。