LangChain 实验

本仓库专注于使用 LangChain 库进行实验，以构建基于大型语言模型（LLMs）的强大应用。通过利用最先进的语言模型，如 OpenAI 的 GPT-3.5 Turbo（并即将支持 GPT-4），该项目展示了如何从 YouTube 视频字幕中创建可搜索的数据库、使用 FAISS 库执行相似性搜索查询，以及用相关且精确的信息回答用户问题。

LangChain 是一个全面的框架，专为开发由语言模型驱动的应用而设计。它不仅仅局限于通过 API 调用 LLM，因为最先进且具有差异化优势的应用还具备数据感知和代理能力，使语言模型能够连接其他数据源并与环境交互。LangChain 框架正是围绕这些原则构建的。

LangChain

LangChain 文档中针对 Python 的部分涵盖了几个主要模块，每个模块都提供了示例、操作指南、参考文档和概念性指导。这些模块包括：

1. 模型：LangChain 支持的各种模型类型及模型集成。
2. 提示词：提示词的管理、优化和序列化。
3. 内存：在链或代理调用之间保持状态，包括标准内存接口、内存实现以及使用内存的链和代理示例。
4. 索引：将 LLM 与自定义文本数据结合，以增强其功能。
5. 链：对 LLM 或其他工具的连续调用序列，提供标准接口、集成以及端到端链示例。
6. 代理：能够做出行动决策、观察结果并重复这一过程直至完成的 LLM，提供标准接口、代理选择以及端到端代理示例。

使用场景

借助 LangChain，开发者可以创建各种应用，例如客户支持聊天机器人、自动化内容生成器、数据分析工具和智能搜索引擎。这些应用可以帮助企业简化工作流程、减少人工劳动并改善客户体验。

服务

通过将基于 LangChain 的应用作为服务销售给企业，您可以提供量身定制的解决方案来满足他们的特定需求。例如，企业可以从可定制的聊天机器人中获益，这些机器人可以处理客户咨询；也可以使用个性化的营销内容创作工具；或者部署内部数据分析系统，利用 LLM 的强大功能提取有价值的洞察。可能性是无限的，而 LangChain 灵活的框架使其成为在不同行业中开发和部署先进语言模型应用的理想选择。

需求

• Python 3.6 或更高版本
• LangChain 库
• OpenAI API 密钥
• SerpAPI API 密钥

OpenAI API 模型

OpenAI API 由一系列功能和价格各异的模型提供支持。您还可以通过对我们的原始基础模型进行微调，以适应您的特定用法，并进行有限的自定义。

安装

1. 克隆仓库

git clone https://github.com/daveebbelaar/langchain-experiments.git

2. 创建 Python 环境

使用 venv 或 conda 创建 Python 3.6 或更高版本的环境。使用 venv：

cd langchain-experiments
python3 -m venv env
source env/bin/activate

使用 conda：

cd langchain-experiments
conda create -n langchain-env python=3.8
conda activate langchain-env

3. 安装所需依赖

pip install -r requirements.txt

4. 在 .env 文件中设置密钥

首先，在项目的根目录下创建一个 .env 文件。在文件中添加您的 OpenAI API 密钥：

OPENAI_API_KEY="your_api_key_here"

保存并关闭文件。在您的 Python 脚本或 Jupyter 笔记本中，使用以下代码加载 .env 文件：

from dotenv import load_dotenv, find_dotenv
load_dotenv(find_dotenv())

通过使用正确的环境变量命名规范，您无需手动将密钥存储在单独的变量中并传递给函数。需要 API 密钥的库或包会自动识别 OPENAI_API_KEY 环境变量并使用其值。

在需要时，您可以将 OPENAI_API_KEY 作为环境变量访问：

import os
api_key = os.environ['OPENAI_API_KEY']

现在您的 Python 环境已经设置完毕，您可以继续运行实验。

Datalumina

本文档由 Datalumina 提供。我们帮助数据分析师、工程师和科学家启动并扩大成功的自由职业业务——年收入超过 10 万美元，项目有趣，客户满意。如果您想了解更多关于我们所做的事情，可以访问我们的网站并订阅我们的通讯。欢迎与您的数据领域朋友和同事分享本文档。

教程

有关如何使用 LangChain 库并运行实验的视频教程，请访问 YouTube 频道：youtube.com/@daveebbelaar

LangChain Experiments 快速上手指南

本指南旨在帮助开发者快速搭建基于 LangChain 的实验环境，利用大语言模型（LLM）构建具备数据感知和代理能力的应用程序。

环境准备

在开始之前，请确保您的系统满足以下要求并准备好必要的密钥：

• 操作系统：支持 Python 3.6+ 的系统 (Linux, macOS, Windows)
• Python 版本：Python 3.6 或更高版本（推荐 3.8+）
• 必要账号与密钥：
  • OpenAI API Key：用于调用大语言模型。
  • SerpAPI API Key：用于联网搜索功能（如项目需要）。
• 依赖库：Git（用于克隆代码库）。

提示：国内开发者若访问 PyPI 源较慢，可在安装命令中指定清华或阿里镜像源（见下文安装步骤）。

安装步骤

1. 克隆项目仓库

将代码库下载到本地：

git clone https://github.com/daveebbelaar/langchain-experiments.git
cd langchain-experiments

2. 创建 Python 虚拟环境

推荐使用 venv 或 conda 隔离环境。

使用 venv:

python3 -m venv env
source env/bin/activate  # Windows 用户请使用: env\Scripts\activate

使用 conda:

conda create -n langchain-env python=3.8
conda activate langchain-env

3. 安装依赖

安装项目所需的 Python 包。 (注：国内用户可添加 -i https://pypi.tuna.tsinghua.edu.cn/simple 加速下载)

pip install -r requirements.txt

4. 配置 API 密钥

在项目根目录下创建名为 .env 的文件，并填入您的 OpenAI API Key：

OPENAI_API_KEY="your_api_key_here"

保存文件后，LangChain 及相关库将自动读取该环境变量，无需在代码中硬编码密钥。

基本使用

完成上述配置后，即可在 Python 脚本或 Jupyter Notebook 中加载环境并开始实验。

加载环境变量

在代码开头加入以下片段以激活 .env 配置：

from dotenv import load_dotenv, find_dotenv

# 自动查找并加载 .env 文件
load_dotenv(find_dotenv())

验证配置与简单示例

您可以尝试导入 LangChain 并调用 OpenAI 模型来验证环境是否就绪。以下是一个最简单的调用示例：

import os
from langchain.llms import OpenAI

# 可选：手动检查密钥是否加载成功
api_key = os.environ['OPENAI_API_KEY']

# 初始化 LLM 实例
llm = OpenAI(temperature=0.7)

# 发起一个简单的查询
response = llm("请用一句话介绍 LangChain 的主要作用。")

print(response)

运行上述代码，如果输出了相应的回答，说明您的 LangChain 实验环境已搭建成功。接下来您可以参考项目中的具体脚本，探索 YouTube 转录检索、FAISS 相似度搜索等高级功能。