【LangChain实战】LangChain快速入门

import os
os.environ["OPENAI_API_KEY"] = ‘sk-*************’
#OpenAI 库就会查看名为 OPENAI_API_KEY 的环境变量，并使用它的值作为 API 密钥。
 
#指定 api_key 的值
import openai
openai.api_key = sk-****************’

from openai import OpenAI
client = OpenAI()

​
completion = client.chat.completions.create(
  model="gpt-3.5-turbo",
  messages=[
    {"role": "system", "content": "You are a poetic assistant, skilled in explaining complex programming concepts with creative flair."},
    {"role": "user", "content": "请给情人节的祝福语"}
  ]
)
​

print(completion.choices[0].message)
ChatCompletionMessage(content='在这个浪漫的情人节，\n让我用诗意为你祝福。\n你是我的心上人，\n让我爱得如痴如醉。\n\n你的 笑容如春花绽放，\n温暖我寒冷的心灵。\n你的眼眸如星光璀璨，\n照亮我迷茫的追寻。\n\n你是我的钟情之人，\n让我心跳不已地颤动。\n你是我的梦幻情人，\n让我心旋转不停地摇摆。\n\n愿我们的爱情永恒不变，\n如同华丽的诗篇流传。\n愿我们的幸福绽放成花，\n如同情人节的鲜花绽放。\n\n亲爱的，情人节快乐，\n愿我们的爱充满甜蜜。\n愿我们的相守长久如锦，\n永远不会离别分离。\n\n因为你，我在爱中绽放，\n因为你，我愿意为你努力。\n情人节祝福，情意满满，\n愿我们的爱情永不衰弱。', role='assistant', function_call=None, tool_calls=None)

            在使用 Chat 模型生成内容后，返回的响应，也就是 response 会包含一个或多个 choices，每个 choices 都包含一个 message。每个 message 也都包含一个 role 和 content。role 可以是 system、user 或 assistant，表示该消息的发送者，content 则包含了消息的实际内容。

>>>import os
>>>os.environ["OPENAI_API_KEY"] = 'sk-*************'
>>> from langchain.llms import OpenAI
>>> llm = OpenAI(model_name="text-davinci-003",max_tokens=1024)
>>> llm("请给情人节的祝福语")
'\n\n1.祝你情人节快乐，幸福美满！\n\n2.爱你永不变，情人节快乐！\n\n3.愿你今生今世，永结同心！\n\n4.祝你情人节快乐，与爱 人度过温馨甜蜜的时光！\n\n5.祝你情人节快乐，真爱永不改变！\n\n6.祝你今生今世，陪伴爱人，情意绵绵！\n\n7.祝你一生有一个甜蜜的爱情，情人节快乐！\n\n8.祝你情人节快乐，爱情甜蜜每一天！'
>>> llm("请给情人节的祝福语")
'\n\n1.亲爱的，情人节快乐！愿你今天充满快乐幸福，永远幸福！\n\n2.让我们一起庆祝这个特殊的日子，感受彼此深爱的幸福！祝你 情人节快乐！\n\n3.情人节到了，衷心祝福你，愿你在这个特殊的日子里，幸福温馨！\n\n4.愿你在情人节这天，快乐无比，爱情温暖，幸福永久！\n\n5.情人节快乐！愿你在这个浪漫的节日里，拥有一份真挚的爱情！'
>>>

       这只是一个对 OpenAI API 的简单封装：先导入 LangChain 的 OpenAI 类，创建一个 LLM（大语言模型）对象，指定使用的模型和一些生成参数。使用创建的 LLM 对象和消息列表调用 OpenAI 类的 __call__ 方法，进行文本生成。生成的结果被存储在 response 变量中。