作者： C3P00

链（chain）是 LangChain 中的一个重要概念，它可以将 LLM（大型语言模型）进行串联，或者将链与链之间串联起来。链大大简化了复杂应用程序的实现，并使其模块化，这也使调试、维护和改进应用程序变得更容易。

基础的链：LLMChain

最基础的链是 LLMChain，它接受 LLM、提示词模版等组件，然后返回 LLM 的回复。

实跑代码

以下是一个使用 LLMChain 的简单示例：

from langchain.llms import OpenAI
from langchain.prompts import PromptTemplate
from langchain.chains import LLMChain

# 创建 LLM 实例
llm = OpenAI(temperature=0, openai_api_key="YOUR_API_KEY")

# 创建提示词模版
prompt = PromptTemplate(
    input_variables=["color"],
    template="What is the hex code of color {color}?",
)

# 创建 LLMChain 实例
chain = LLMChain(llm=llm, prompt=prompt)

# 基于链提问
print(chain.run("green"))
print(chain.run("cyan"))
print(chain.run("magento"))

输出：

The hex code of color green is #00FF00.
The hex code of color cyan is #00FFFF.
The hex code for the color Magento is #E13939.

从 LangChainHub 加载链

LangChainHub 是一个托管各种 LangChain 组件的项目，其中包括链。您可以使用 load_chain 函数从 LangChainHub 加载链。

from langchain.chains import load_chain
import os

# 设置 OpenAI API Key
os.environ['OPENAI_API_KEY'] = "YOUR_API_KEY"

# 加载链
chain = load_chain("lc://chains/llm-math/chain.json")

# 基于链提问
chain.run("whats the area of a circle with radius 2?")

输出：

> Entering new LLMMathChain chain...
whats the area of a circle with radius 2?
Answer: 12.566370614359172
> Finished chain.

Answer: 12.566370614359172

作业

使用今天学到的用法，自己跑一下代码，然后将结果截图分享出来。

大家好,我是码农小王,今天给大家带来一篇关于LangChain中的Chain的通俗易懂的Blog。

什么是Chain?

Chain可以把多个LLM连接起来,实现链式调用。就像组装乐高积木一样,我们可以把不同的LLM块组装在一起,构建出复杂的AI系统。

几种常见的Chain

1. LLMChain

这是最基础的Chain,它接受LLM和Prompt作为输入,返回LLM生成的回复。可以快速构建一个问答系统。

2. QACoordinationChain

这个Chain串联问答系统,当一个LLM无法回答时,将问题传递给下一个LLM,实现多个LLM协作。

3. SearchChain

这个Chain实现搜索功能,它将用户查询传给搜索LLM,获取回复后再传给答疑LLM生成完整回复。

运行示例

导入必要的模块:

from langchain.llms import OpenAI
from langchain.chains import *

加载LLM:

llm = OpenAI(openai_api_key='你的key') 

构建一个LLMChain:

chain = LLMChain(llm=llm, prompt=prompt)

提问并获取回复:

print(chain.run("人生的意义是什么?"))  

总结

通过Chain模块,LangChain实现了LLM的链式调用,使构建AI系统变得像组装积木一样简单。希望大家能trying more chains, happy langchaining!

如果文章对你有帮助,请点赞支持哦!