马上注册，结交更多好友，享用更多功能，让你轻松玩转社区。
您需要 登录 才可以下载或查看，没有账号？立即注册
×
🐇明显跟你说过：个人主页
🏅个人专栏：《深度探秘：AI界的007》 🏅
🔖行路有良友，便是天国🔖
目次
一、弁言
1、什么是LangChain
2、LangChain 重要有哪些功能
3、LangChain应用场景
二、安装前准备
1、硬件与体系要求
2、依赖项
三、LangChain 安装
1、pip 安装 LangChain
2、安装OpenAI API 相干依赖
3、安装本地 LLM Ollama（可选）
四、环境设置
1、获取OpenAI Key
2、设置环境变量
五、运行 LangChain 示例代码
1、调用 OpenAI API 举行对话
2、调用Ollama本地模子举行对话
一、弁言
1、什么是LangChain
假如把 大语言模子（LLM） 比作一个强大的“智能大脑”，那么 LangChain 就像是它的“手和脚”——资助这个大脑毗连外部天下，完成更复杂的使命。
🌟 LangChain 是什么？
LangChain 是一个 用于构建智能应用的框架，它让大语言模子（如 ChatGPT、Llama、Claude 等）可以或许更好地影象、思索、规划，并与各种外部工具（数据库、API、搜刮引擎等）举行交互。
🚀 为什么要用 LangChain？
单独使用 ChatGPT，你只能举行简朴的对话；但假如你想让 AI 变得更智能，比如：
- 记着你前次的谈天纪录（影象本领）
- 访问数据库查询信息（数据本领）
- 自动实行使命，比如帮你查气候、发邮件（办法本领）
- 举行复杂的推理，比如分步规划办理题目（思索本领）
3、LangChain应用场景
LangChain 让大语言模子（LLM）不再只是一个“谈天呆板人”，而是一个能实行使命、调用工具、与外部天下交互的 智能 AI 助手。
📌 场景：
公司有大量文档（如产物手册、政策文件、FAQ），用户或员工想快速查询答案。
💡 LangChain 办理方案：
- 向量数据库（如 FAISS、Chroma）存储企业文档，LangChain 通过 RAG（检索增强天生） 获取精准答案。
✅ 应用示例：
- 企业内部 FAQ 查询助手
- IT 技能支持（资助用户办理软件或硬件题目）
2️⃣ 智能搜刮 & 文档分析 📖🔍
📌 场景：
必要在海量文档、PDF、数据库中查找信息，并举行分析总结。
💡 LangChain 办理方案：
- 连合向量数据库，支持暗昧匹配搜刮（纵然题目表述不完全划一）。
- 支持多模态，不但能查文本，还能处理处罚表格、代码、图片等数据。
- 连合 LLM 举行择要，快速提炼关键信息。
✅ 应用示例：
- 法律助手（快速查找法规、案例）
- 学术搜刮（从大量论文中提炼关键信息）
- 金融数据分析（从财报中提取核心指标）
3️⃣ 智能运维（AIOps） 🖥️⚙️
📌 场景：
运维工程师必要随时监控 服务器状态，发现非常并快速处理处罚。
💡 LangChain 办理方案：
- 连合 Agent 署理，让 AI 根据指令选择实行差别使命（如检察 CPU 使用率、磁盘空间、网络流量）。
- 连合 API 工具，让 AI 直接调用 Prometheus、Grafana、Elasticsearch 举行监控。
- 自动非常检测 & 预警，AI 自动发现非常并给出发起。
✅ 应用示例：
- 服务器康健查抄（比如：“帮我看看服务器 192.168.1.1 运行状态”）
- 日记分析（查找体系日记、过滤特定错误）
- 自动化运维（实行运维使命，如重启某个服务）
二、安装前准备
1、硬件与体系要求
硬件：
- CPU：>4C
- 内存：>8G
- 硬盘：最好使用SSD，机器硬盘也
体系：
2、依赖项
- python版本：3.12
- pip版本：最新版（示例版本为 25.0.1）
- 编辑器：PyCharm
三、LangChain 安装
1、pip 安装 LangChain
创建假造环境（可选）
- python -m venv langchain_env
- source langchain_env/bin/activate # Mac/Linux
- langchain_env\Scripts\activate # Windows
验证安装
- import langchain
- print(langchain.__version__) # 显示 LangChain 版本
2、安装OpenAI API 相干依赖
运行以下下令安装 OpenAI 官方 SDK 及相干库：
- pip install openai tiktoken langchain-openai langchain-ollama
- openai：用于调用 OpenAI API（GPT-4、GPT-3.5）。
- tiktoken：用于优化 Token 盘算，进步处理处罚服从。
3、安装本地 LLM Ollama（可选）
下载安装包，Download Ollama on Windows
下载完成后，直接点击下一步安装
然后拉取大模子到本地，这里拉取的是 deepseek-r1:32b
- ollama pull deepseek-r1:32b
四、环境设置
1、获取OpenAI Key
我们没有办法直接访问到OpenAI，以是这里使用香港署理，各人注册一个账户，然后登录，购买一个套餐即可，假如是自己学习使用，买一个10元的根本就够用了
GPT4.0 API KEY By OPENAI HK 中转ChatGPT
购买完成后，到控制台获取一个Key
2、设置环境变量
设置我们刚刚申请的Key
- setx OPENAI_BASE_URL "https://api.openai-hk.com/v1"
- setx OPENAI_API_KEY "hx-*************************"
1、调用 OpenAI API 举行对话
- from openai import OpenAI
- import os
- # 初始化 OpenAI 服务。
- client = OpenAI()
- completion = client.chat.completions.create(
- model="gpt-4o",
- messages=[
- {"role": "system", "content": "assistant"},
- {"role": "user", "content": "你好，你是谁"}
- ]
- )
- print(completion.choices[0].message)
- client = OpenAI()：这一行初始化了一个 OpenAI 客户端对象，允许通过该对象与 OpenAI 的 API 举行交互。此时，client 将是一个可以调用 OpenAI API 的对象。
- completion = client.chat.completions.create(...)：这一行调用了 client 对象的 chat 属性中的 completions.create() 方法，用于向 OpenAI 的 API 发送一个谈天哀求，并获取谈天补全（chat completion）结果。具体来说：
- model="gpt-4o"：指定使用的模子是 gpt-4o，即 GPT-4 的一个版本。
- messages=[...]：界说了谈天的对话汗青，格式为一系列字典对象，每个字典包罗 role 和 content 字段。
- role 指明消息的脚色，可以是 system（体系消息）、user（用户消息）、assistant（助手消息）。
- content 是消息的现实内容。
- 在这个例子中：
- 第一条消息的脚色是 system，内容是 "assistant"，意味着这是一个体系消息，指示助手的身份。
- 第二条消息的脚色是 user，内容是 "你好，你是谁"，即用户发送给助手的消息。
2、调用Ollama本地模子举行对话
- from langchain_ollama import OllamaLLM
- # from langchain_core.output_parsers import StrOutputParser
- # from langchain_core.prompts import ChatPromptTemplate
- # 初始化本地 LLM
- llm = OllamaLLM(base_url="http://192.168.0.99:11434", model="deepseek-r1:32b")
- # 发送对话请求
- response = llm.invoke("介绍一下 LangChain 的核心功能")
- print(response)
- llm = OllamaLLM(...)：这行代码创建了一个 OllamaLLM 对象（即本地语言模子），并将其赋值给变量 llm。该对象用于与本地的 Ollama 模子举行交互。
- base_url="http://192.168.0.99:11434"：这是 Ollama 服务的 URL 地点，指向本地运行的 Ollama 实例。这个地点会被用来发送哀求到该服务。你必要将其更换为你的本地 Ollama 服务的 IP 地点和端标语。
- model="deepseek-r1:32b"：指定要使用的具体本地模子。在这里使用的是名为 deepseek-r1:32b 的模子。这个模子可以是任何已安装并运行的本地模子，具体的模子名称取决于本地环境中的设置。
- print(response)：这行代码将打印模子返回的相应。response 是模子基于输入文本天生的复兴，它会被输出到控制台。我们可以看到模子天生的对话内容或文本。
💕💕💕每一次的分享都是一次发展的旅程，感谢您的陪同和关注。盼望这些文章能陪同您走过技能的一段旅程，共同见证发展和进步！😺😺😺
🧨🧨🧨让我们一起在技能的海洋中探索前行，共同誊写精致的未来！！！
|
发表于 2025-10-3 05:26:02