現在、グループの大規模モデルアクセスマニュアルでは、LangChainフレームワークの学習例が限られています。LangChain大規模モデルフレームワークを迅速かつ体系的に理解し、開発に役立てていただくため、この記事を作成しました。この記事には、LangChainの紹介、基本コンポーネント、そして実行可能なコード例（埋め込み、補完、チャットの3つの機能モデルの宣言を含む）が含まれています。この記事を読んだ後、グループが申請したAPIキーとLangChainフレームワークを活用して迅速な開発を行い、大規模言語モデルの魅力を体験することができます。

I. はじめに

LangChain は、大規模言語モデル (LLM) 統合フレームワークとして、大規模言語モデルを使用した開発プロセスを簡素化することを目的としており、次のコンポーネントが含まれています。



LangChainフレームワークの利点:

Node.jsをサポートしているため、フロントエンド開発者はJavaScriptを使用して、基盤となるモデルの詳細を理解することなく、大規模なモデルの機能を迅速に活用できます。また、Java開発もサポートしているため、バックエンド開発者にも適しています。

この記事では、Python 言語開発に焦点を当てます。

II. 基本コンポーネント





OpenAIを例に挙げたモデル選択のサポート



上記では、Langchain開発における一般的なコンポーネントを紹介しました。次に、簡単な例を用いてこれらのコンポーネントを接続し、LangchainのコンポーネントとAPI呼び出しをより深く理解していただきます。

III. 小さなテスト

import os# gpt ゲートウェイ call os.environ["OPENAI_API_KEY"] = "{適用したグループ API キー}" os.environ["OPENAI_API_BASE"] = "{あなたの URL}" import openaifrom dotenv import load_dotenv, find_dotenv
_ = load_dotenv(find_dotenv())openai.api_key = os.environ['OPENAI_API_KEY']からlangchain.promptsをインポートし、ChatPromptTemplateからlangchain.chat_modelsをインポートし、ChatOpenAIからlangchain.schema.output_parserをインポートし、StrOutputParserをインポートします。
プロンプト = ChatPromptTemplate.from_template(
"{topic} についての短いジョークを言ってください")model = ChatOpenAI()output_parser = StrOutputParser()chain = prompt | model | output_parser
chain.invoke({"topic": "クマ"})

出力：

 「なぜクマは靴を履かないのか？ クマの足があるからだ！」

chain = prompt | model | output_parser は、上で宣言したプロンプトテンプレート、大規模言語モデル、出力形式をデータ転送の順序 (Chain) で接続し、ロジックを明確かつ直接的にします。



コード例: 埋め込み、補完、チャットモデルの呼び出し

 langchain_community.embeddings から OpenAIEmbeddings をインポートします
埋め込み = OpenAIEmbeddings(
モデル="テキスト埋め込み-ada-002",
    openai_api_key=os.environ["OPENAI_API_KEY"],
openai_api_base=os.environ["OPENAI_API_BASE"])text = "テキスト"query_result = embeddings.embed_query(テキスト)

langchain_community.llmsからOpenAIをインポート
llm = オープンAI(
モデル名='gpt-35-turbo-instruct-0914',
    openai_api_key=os.environ["OPENAI_API_KEY"],
base_url=ベースURL、
temperature=0)llm.invoke("注文番号2022ABCDEの注文があるのですが、まだ届いていません。確認を手伝っていただけますか？")

 langchain_openaiからChatOpenAIをインポート
model = ChatOpenAI(model_name="gpt-35-turbo-1106") # "glm-4" model.invoke("こんにちは、Zhipuさんですか?")

IV. 要約

LangChainは、直感的なワークフローを備えた大規模開発フレームワークであり、ユーザーに多くのメリットをもたらします。この紹介が、LangChainフレームワークの導入と理解を深める一助になれば幸いです。今後の議論も歓迎いたします。