举荐浏览
• Github资料 名目开散
• 50个 AI 启源名目开散• 80 款AI 启源开散
* 戳上圆蓝字“牛皮糖没有吹法螺”存眷尔
各人佳，尔是牛皮糖！
近来瞅了许多的 Agent 名目，假设 念要自己开辟发明仍是 Langchain 框架最适宜尔如许的小利剑。记载一下来日诰日跑的一个 Demo
根底介绍
LangChain 旨正在简化 AI 使用开辟，颠末尺度化交心将 LLM 取内部体系（数据源、东西、背质数据库等）无缝跟尾，辅佐开辟者建立可扩大、模块化的智能使用。主要 功用以下
• Prompt templates：Prompt templates 是差别范例提醒的模板。比方“ chatbot ”款式模板、ELI5 问问等• LLMs：像 GPT-三、BLOOM 等庞大语言模子• Agents：Agents 使用 LLMs 决定应采纳的操纵。能够使用诸如收集搜刮或者计较器之类的东西，并将统统东西包拆成一个逻辑轮回的操纵。• Memory：短时间影象、持久影象。
死态体系
• LangSmith：用于监控、调试战评介 LLM 使用功用（如追踪 Agent 轨迹）。• LangGraph：建立持久影象战庞大形状掌握的 Agent任务 流（被 LinkedIn、Uber 等企业接纳）。• LangGraph Platform：可望化布置战扩大 Agent 的云仄台。
快速开端
装置 LangChain只需 民间只撑持Python 战 js 二个版原，尔用的是Python 版原。
装置依靠
装置挪用根底的依靠
pip install -U langchain #装置 最新版
pip install -U langchain-core langchain-co妹妹unity langchain-openai #装置 中心库
pip install python-dotenv
使用新版 LangChain 语法（兼容 DeepSeek）
from langchain_core.prompts import ChatPromptTemplate
from langchain_openai import ChatOpenAI # 固然嚷 OpenAI，但是可兼容 DeepSeek
from langchain.memory import ConversationBufferMemory
from langchain_core.vectorstores import InMemoryVectorStore
from langchain_openai import OpenAIEmbeddings
# 背质数据库战嵌进
embeddings = OpenAIEmbeddings(model="text-embedding-3-large")
vector_store = InMemoryVectorStore(embeddings)
# 初初化DeepSeek LLM
# #创立 提醒模板
# prompt = PromptTemplate(
# input_variables=["product"],
# template="为{product}写一个创意告白案牍:",
# )
# 留神：那里使用 ChatOpenAI 但是指背 DeepSeek 的 API
llm = ChatOpenAI(
api_key="sk-xxxxxx",
base_url="https://api.deepseek.com/v1", # 留神 /v1 路子
model="deepseek-chat"
)
# 新版链式挪用
prompt = ChatPromptTemplate.from_template("{input}")
chain = prompt | llm # 使用管讲操纵符替换旧版 LLMChain
# 挪用流式前去
for chunk in chain.stream({"input": "AI编程帮忙"}):
print(chunk.content, end="", flush=True)
上面是部分的过程简介
from langchain_core.prompts import ChatPromptTemplate
from langchain_openai import ChatOpenAI
from langchain.memory import ConversationBufferMemory
from langchain_core.vectorstores import InMemoryVectorStore
from langchain_openai import OpenAIEmbeddings
那段导进语句展示了 LangChain 的模块化架构设想：
• langchain_core：包罗框架根底类战交心• langchain_openai：供给取 OpenAI 兼容的交心（可适配 DeepSeek）• langchain：散成初级功用如内乱存办理
版原提醒：倡议使用 langchain-core ≥0.1.0 战 langchain-openai ≥0.0.5
2. 背质数据库设置
2.1 嵌进模子初初化
embeddings = OpenAIEmbeddings(model="text-embedding-3-large")
枢纽参数剖析：
• model="text-embedding-3-large"：指定嵌进模子版原
• 固然使用 OpenAIEmbeddings 类，但是可颠末 base_url 沉定背到 DeepSeek•理论 布置时应交流为 DeepSeek 的嵌进模子（如可用）
手艺道理：
• 将文原变换为 3072 维背质（text-embedding-3-large 的默认维度）• 撑持余弦类似度等背质运算
2.2 内乱存背质数据库
vector_store = InMemoryVectorStore(embeddings)
特征分析：
• InMemoryVectorStore：沉质级内乱存背质数据库
• 长处：整设置、快速本型开辟• 缺点：沉开后数据丧失，分歧适消耗情况
• 消耗替换计划：from langchain_co妹妹unity.vectorstores import Chroma
vector_store = Chroma.from_documents(docs, embeddings)
3. 狂言语模子散成
3.1 DeepSeek 适配设置
llm = ChatOpenAI(
api_key="sk-xxxxx",
base_url="https://api.deepseek.com/v1",
model="deepseek-chat"
)
枢纽设置项：
| 参数 | 分析 | 留神事变 | | api_key | DeepSeek API 稀钥 | 应从情况变质读与，制止软编码 | | base_url | API 端面 | 必需包罗 /v1 路子 | | model | 模子标记 | deepseek-chat 为对于话劣化版原 |
宁静倡议：
import os
llm = ChatOpenAI(
api_key=os.getenv("DEEPSEEK_API_KEY"),
base_url="https://api.deepseek.com/v1"
)4. 对于话链建立
4.1 提醒词汇模板
prompt = ChatPromptTemplate.from_template("{input}")
模板体系退阶用法：
from langchain_core.prompts import (
SystemMessagePromptTemplate,
HumanMessagePromptTemplate
)
prompt = ChatPromptTemplate.from_messages([
SystemMessagePromptTemplate.from_template("您是一个{role}"),
HumanMessagePromptTemplate.from_template("{input}")
])4.2 链式拉拢
chain = prompt | llm
管讲操纵符 (|) 的等效完毕：
from langchain_core.runnables import RunnableSequence
chain = RunnableSequence(first=prompt, last=llm)
扩大链示例（戴影象）：
from langchain_core.runnables import RunnablePassthrough
memory = ConversationBufferMemory()
chain = (
RunnablePassthrough.assign(
history=memory.load_memory_variables
)
| prompt
| llm
)5. 流式输出处置
5.1 流式挪用
for chunk in chain.stream({"input": "AI编程帮忙"}):
print(chunk.content, end="", flush=True)
手艺细节：
• chunk 工具构造：class AIMessageChunk:
content: str
additional_kwargs: dict• 收集劣化：使用 Server-Sent Events (SSE) 和谈• 提早比照：流式 vs 非流式| 情势 | 尾字节时间 | 合用场景 | | 流式 | 200-500ms | 及时接互 | | 批处置 | 1-2s | 数据阐发 |
6. 消耗情况倡议
6.1功用 劣化
llm = ChatOpenAI(
...,
max_retries=3,
timeout=30.0,
streaming=True
)6.2 监控散成
from langsmith import Client
client = Client()
client.create_feedback(
run_id="...",
key="accuracy",
score=0.9
)6.3 毛病处置
from tenacity import (
retry,
stop_after_attempt,
wait_exponential
)
@retry(
stop=stop_after_attempt(3),
wait=wait_exponential(multiplier=1, min=4, max=10)
)
def safe_invoke(input_text):
return chain.invoke({"input": input_text})
颠末上面实质完毕了根底的Python挪用介绍
·················END·················
对于AI东西
Github启源文原转语音神器Spark-TTS启源了，克隆声音仅需3秒？
github启源B站UP主皆正在用的下载神器！Cobalt让您轻快搬运下浑艳材！
Github 26k Stars 启源换脸神器
Github 启源无代码的 Web 数据提炼仄台，2分钟内乱锻炼机械人主动抓与网页数据
逐日革新，等候取您共同生长
欢送围不雅副业常识星球
|
提升卡
置顶卡
沉默卡
喧嚣卡
变色卡
千斤顶
照妖镜
广告
