我正在参加年度优秀作者评选,公主王子们请帮我投票
前言
今天我们来聊聊使用LangChain来优化openAI,提高开发速度
准备工作
- Google 账号
- Openai 账号
- Openai 网址为 openai.com/
- Google Colab 网址为 colab.research.google.com/。
通过 Google Colab,用户可以创建和共享Jupyter笔记本,运行Python代码,访问云端计算资源,以及使用大量开源机器学习框架和库,而无需担心硬件或软件配置问题。而我们这里需要一点点的python 和 openai结合,当我们使用Google Colab 运行python时,可以不用担心配置环境。
注意,以上这些网站均为外网,当我们访问这些网站时,需要 “搭梯子”,具体可以去网上看看教程
- 首先进入openai网站,拿到我们的sdk。教程如下:
选择VPI
复制我们的API keys, 如果没有的话点击Create new secret key,这样我们就可以拿到我们的sdk了。
接下来我们进入Google Colab网站,将代码放进此网站运行。这个网站十分的方便,当我们使用Google Colab 运行python时,可以不用担心配置环境。
点击文件-> 新建笔记本 点击左上角 +代码
正文
- 安装LangChain和OpenAI,点击左边播放键运行
- !pip install langchain==0.0.316 # 极简AI开发框架
- !pip install openai==0.28.1
- 导入模块
from langchain.chat_models import ChatOpenAI
from langchain.schema import HumanMessage
import os
这里导入了LangChain的ChatOpenAI
聊天模型以及相关的模块,还导入了用于构建用户消息的HumanMessage
类和用于设置环境变量的os
模块。
os.environ['OPENAI_API_KEY'] = ''
chat = ChatOpenAI(temperature=0, model_name="gpt-3.5-turbo")
# openai 接受的就是一个数组
response = chat([HumanMessage(content="Hello LangChain!")])
print(response)
-
设置OpenAI API密钥:
os.environ['OPENAI_API_KEY'] = ''
设置OpenAI API密钥,这个密钥是用来与OpenAI的聊天模型通信的。
-
创建ChatOpenAI实例:
chat = ChatOpenAI(temperature=0, model_name="gpt-3.5-turbo")
创建了
ChatOpenAI
类的一个实例,指定了一些参数,如temperature
(温度)和model_name
(模型名称)。温度为0表示生成的文本更加确定性。 -
构造用户消息并调用模型:
response = chat([HumanMessage(content="Hello LangChain!")])
使用构造的
ChatOpenAI
实例,传入一个包含用户消息的数组,调用聊天模型,获取模型的响应。这里输入你想要提出的问题 -
打印模型的响应:
print(response)
打印模型的响应结果。
我们来看看打印结果: