AI 应用基石：LangChain 核心组件之 LLM

《LangChain 入门到实战教程》更多内容

前言

随着大语言模型（Large Language Model, LLM）的不断涌现，越来越多的人开始关注其在各个领域中的应用。LLM 是一种能够生成高质量文本的人工智能技术，其基本思想是通过大量的语料库进行学习，从而掌握语言的规律和特点。在 LLM 的发展历程中，涌现出了许多优秀的模型，如 GPT、BERT 等，它们在文本生成、机器翻译、信息检索等领域中都取得了显著的成果。

随着 LLM 场景的多样化，越来越多的人开始希望 LLM 能够在垂直领域中发挥其强大的功能。例如，在金融领域中，LLM 可以被用来生成新闻报道、分析股票市场、预测未来趋势等；在医疗领域中，LLM 可以被用来生成病历记录、医学文献、疾病诊断等；在法律领域中，LLM 可以被用来生成法律文书、案例分析、法律咨询等。这些应用场景的出现，为 LLM 的发展提供了更加广阔的空间。

在过去，很多人认为AI应用离我们很遥远，好像是不属于自己专业范畴的东西。但随着时代的变迁，LangChain的出现为开发者提供了更加快速、便捷的AI应用开发工具，使得集成AI技术变得更加容易。

大语言模型（LLM）

LangChain为两种类型的模型提供接口和集成：

• LLM：将文本字符串作为输入并返回文本字符串的模型。
• ChatModel：由语言模型支持将聊天消息列表作为输入并返回聊天消息的模型。

大型语言模型（LLM）是LangChain的核心组件。LangChain不提供自己的LLM，而是提供了一个标准接口，用于与许多不同的LLM进行交互。

LangChain 旨在为所有模型提供商提供标准接口，目前已经支持很多模型提供商，如 OpenAI、Hugging Face 等。

在后续文章中，都将以 OpenAI 模型来作示例。

安装

首先，我们需要安装 OpenAI Python 包：

pip install openai

设置环境变量或配置

通过运行以下命令将 OpenAI 秘钥和代理地址设置为环境变量：

export OPENAI_API_KEY="..."
export OPENAI_API_BASE="..."

也可以在项目中通过 .env 进行统一配置：

OPENAI_API_KEY=...
OPENAI_API_BASE=...

然后通过 dotenv 进行加载：

import dotenv

dotenv.load_dotenv('.env')

也可以在启动 OpenAI LLM 类时直接通过 openai_api_key 命名参数传递密钥：

from langchain.llms import OpenAI

llm = OpenAI(openai_api_key="...")

否则，您可以在没有任何参数的情况下初始化：

from langchain.llms import OpenAI

llm = OpenAI()

OpenAI 所有的参数可以通过查看BaseOpenAI源码，常用参数如temperature、model_name等。

运行

下面是最简单使用大模型的示例，输入一个字符串，得到一个字符串响应。

llm("给我讲一个冷笑话")
# '\n\n为什么海绵先生不喜欢乘出租车？\n因为他怕被挤压。'

批量调用

generate方法允许我们使用字符串列表调用模型，批量返回结果，同时获得比文本更完整的响应内容。这个完整的回复可以包括多个问题的结果和 LLM 提供商特定的信息：

# 生成3组问题
llm_result = llm.generate(["给我讲个笑话", "告诉我一首诗"] * 3)

# generations=[[Generation(text='\n\n两个熊在森林里散步，一个说：“嘿，你知道这里有什么吗？”另一个熊说：“那当然，就是树，草，花，虫子，兔子，鸟……”第一只熊说：“不，我是说这里有什么可笑的事情？”', generation_info={'finish_reason': 'stop', 'logprobs': None})], [Generation(text='\n\n《春晓》\n\n春眠不觉晓，\n处处闻啼鸟。\n夜来风雨声，\n花落知多少。', generation_info={'finish_reason': 'stop', 'logprobs': None})], [Generation(text='\n\nQ：给我讲个笑话\n\nA：一位老妇人去买西瓜，西瓜店主问：“您要几斤？” 老妇人说：“一百斤！” 西瓜店主大吃一惊，问：“这么多？您要吃吗？” 老妇人说：“不是吃，是把它们搬回家。”', generation_info={'finish_reason': 'stop', 'logprobs': None})], [Generation(text='\n\n春江花月夜\n\n春江潮水连海平，\n\n瓢泼大作，\n\n闻郎江上唱歌声。\n\n万里悲秋常作客，\n\n百年多病独登台。\n\n艰难苦恨繁霜鬓，\n\n潦倒新停浊酒杯。', generation_info={'finish_reason': 'stop', 'logprobs': None})], [Generation(text='\n\n答：\n一个人拿着一张折叠椅子去买，店主问他：“这是要坐在家里吗？”那人说：“不，我要用它来折叠我的现金。”', generation_info={'finish_reason': 'stop', 'logprobs': None})], [Generation(text='\n\n《立春》\n春来江水绿如蓝，\n春来江山青如烟。\n晴空万里，\n桃花红叶，\n燕子归陇头，\n蝉鸣林中残月。\n桃李满园春色新，\n芳草秋风萧索深。\n绿池碧波，\n清芬满堤，\n沉醉芳草香，\n思乡心在天涯。', generation_info={'finish_reason': 'stop', 'logprobs': None})]] llm_output={'token_usage': {'prompt_tokens': 81, 'total_tokens': 999, 'completion_tokens': 918}, 'model_name': 'text-davinci-003'} run=[RunInfo(run_id=UUID('c437fbea-7853-4ef4-b6ad-ab1bf6c9b96d')), RunInfo(run_id=UUID('b497dde8-6d4b-40d7-b437-55f5de755893')), RunInfo(run_id=UUID('74af1231-abdb-4455-a0ef-0857bf38348d')), RunInfo(run_id=UUID('ded92dc5-cbf5-4da1-bb4f-7f3452468203')), RunInfo(run_id=UUID('6e7ecbeb-53d4-437c-a1b3-87a7905eb644')), RunInfo(run_id=UUID('2cbf483e-1ad8-4c43-8981-9f528902ae3f'))]

打印模型返回结果数量：

len(llm_result.generations)

# 6

获取指定索引的结果：

llm_result.generations[0]

# [Generation(text='\n\n两个熊在森林里散步，一个说：“嘿，你知道这里有什么吗？”另一个熊说：“那当然，就是树，草，花，虫子，兔子，鸟……”第一只熊说：“不，我是说这里有什么可笑的事情？”', generation_info={'finish_reason': 'stop', 'logprobs': None})]

还可以访问返回的提供商特定信息，该信息在提供商之间并未标准化，这可能用于返回消耗的 Token等信息：

llm_result.llm_output

# {'token_usage': {'prompt_tokens': 81, 'total_tokens': 999, 'completion_tokens': 918}, 'model_name': 'text-davinci-003'}

异步调用

LangChain通过使用Python的异步IO库asyncio，为LLM提供了异步支持。这对于同时调用多个LLM特别有用，因为这些调用通常是网络绑定的。目前，LangChain支持OpenAI、PromptLayerOpenAI和ChatOpenAI，但对其他LLM的异步支持已经在开发计划中。

LLM异步调用可以提高模型的效率和响应速度。通过异步调用，可以在发送请求后立即返回响应，而不需要等待模型完成处理。这样可以减少用户等待时间，并允许同时处理多个请求。异步还可以提高系统的吞吐量，使系统能够更好地处理高负载的请求。

可以使用该agenerate方法异步调用 OpenAI LLM：

import time
import asyncio
import dotenv
from langchain.llms import OpenAI

dotenv.load_dotenv('.env')


def generate_serially():
    llm = OpenAI(temperature=0.9)
    for _ in range(5):
        resp = llm.generate(["给我讲个冷笑话?"])
        print(resp.generations[0][0].text)


async def async_generate(llm):
    resp = await llm.agenerate(["给我讲个冷笑话?"])
    print(resp.generations[0][0].text)


async def generate_concurrently():
    llm = OpenAI(temperature=0.9)
    tasks = [async_generate(llm) for _ in range(5)]
    await asyncio.gather(*tasks)


s = time.perf_counter()
asyncio.run(generate_concurrently())
elapsed = time.perf_counter() - s
print("\033[1m" + f"并发执行耗时 {elapsed:0.2f} 秒." + "\033[0m")

s = time.perf_counter()
generate_serially()
elapsed = time.perf_counter() - s
print("\033[1m" + f"顺序执行耗时 {elapsed:0.2f} 秒." + "\033[0m")

运行结果：

Q: Why did the skeleton go to the party?
A: He wanted to come out of his shell!


Q:Why did the scarecrow win an award? 
A:Because he was outstanding in his field.


Q: Why did the bird go to the hospital?
A: Because it was feeling a little "tweet"!


Q: 你有多开心？
A: 我连自己都不敢笑。


两个僵尸在沙漠里聊天，其中一个说：“这里有什么热门话题吗？”另一个说：“没有，只有死人。”
并发执行耗时 2.79 秒.


Q: Why did the banana go to the hospital?
A: Because it wasn't peeling well.


为什么老虎不吃醋? 因为老虎不喜欢苦涩的味道。


Q: What do you call a bear with no teeth?
A: A gummy bear!


Q: What did one wall say to the other wall?
A: I'll meet you at the corner!


Q: What did the fish say when it bumped into the wall?

A: Dam!
顺序执行耗时 8.15 秒.

缓存

LangChain为LLM提供了可选的缓存层，这是非常有用的。因为它可以有两个好处：首先，如果您经常需要请求相同的内容，那么通过减少对LLM提供商API的调用次数，您可以节省费用。其次，缓存层可以加快您的请求速度，从而更快地完成申请。

为了能体现出缓存的效果，我们使用比较慢的模型进行测试：

import langchain
from langchain.llms import OpenAI

llm = OpenAI(model_name="text-davinci-002", n=2, best_of=2)

LangChain 支持很多缓存方式，如内存缓存、SQLite缓存、Redis缓存、GPTCache、SQLAlchemyCache等等。下面提供几个示例，其他大同小异：

内存缓存

from langchain.cache import InMemoryCache

langchain.llm_cache = InMemoryCache()

s = time.perf_counter()
# 第一次调用
print(llm.predict("给我讲一个冷笑话"))
elapsed = time.perf_counter() - s
print("\033[1m" + f"第一次调用耗时 {elapsed:0.2f} 秒." + "\033[0m")

s = time.perf_counter()
# 第二次调用
print(llm.predict("给我讲一个冷笑话"))
elapsed = time.perf_counter() - s
print("\033[1m" + f"第二次调用耗时 {elapsed:0.2f} 秒." + "\033[0m")

运行结果：

What do you call a snowman with a six-pack? An abdominal snowman!
第一次调用耗时 3.32 秒.

What do you call a snowman with a six-pack? An abdominal snowman!
第二次调用耗时 0.00 秒.

SQLite 缓存

我们可以用 SQLite 缓存做同样的事情：

from langchain.cache import SQLiteCache

langchain.llm_cache = SQLiteCache(database_path=".langchain.db")

s = time.perf_counter()
# 第一次调用
print(llm.predict("给我讲一个笑话"))
elapsed = time.perf_counter() - s
print("\033[1m" + f"第一次调用耗时 {elapsed:0.2f} 秒." + "\033[0m")

s = time.perf_counter()
# 第二次调用
print(llm.predict("给我讲一个笑话"))
elapsed = time.perf_counter() - s
print("\033[1m" + f"第二次调用耗时 {elapsed:0.2f} 秒." + "\033[0m")

运行结果：

A man walks into a bar and asks for a beer. The bartender says "You're out of luck. We've been closed for fifteen minutes."
第一次调用耗时 4.04 秒.

A man walks into a bar and asks for a beer. The bartender says "You're out of luck. We've been closed for fifteen minutes."
第二次调用耗时 0.00 秒.

Redis 缓存

from redis import Redis
from langchain.cache import RedisCache

langchain.llm_cache = RedisCache(redis_=Redis(port=16379, password='zwqh0258', db=8))

s = time.perf_counter()
# 第一次调用
print(llm.predict("给我讲一个冷笑话"))
elapsed = time.perf_counter() - s
print("\033[1m" + f"第一次调用耗时 {elapsed:0.2f} 秒." + "\033[0m")

s = time.perf_counter()
# 第二次调用
print(llm.predict("给我讲一个冷笑话"))
elapsed = time.perf_counter() - s
print("\033[1m" + f"第二次调用耗时 {elapsed:0.2f} 秒." + "\033[0m")

运行结果：

为什么火车要开铁皮？

为了防止风吹走。
第一次调用耗时 2.63 秒.


为什么火车要开铁皮？

为了防止风吹走。
第二次调用耗时 0.01 秒.

缓存可选性

在特定情况下，还可以关闭特定模型的缓存。如下：

no_cache_llm = OpenAI(model_name="text-davinci-002", cache=False)

序列化

LangChain 支持在磁盘上存储和读取 LLM 配置。如果您需要在配置中存储某些值，例如供应商名称、温度等信息，那么使用此功能将非常有用。

LLM文件可以使用JSON或YAML格式保存在磁盘上，这两种格式都是相同的，无论文件的扩展名是什么。这样的设计可以方便地在不同的应用程序中使用LLM文件，并且无需更改文件的加载方式。

llm.json：

    {
        "model_name": "text-davinci-003",
        "temperature": 0.7,
        "max_tokens": 256,
        "top_p": 1.0,
        "frequency_penalty": 0.0,
        "presence_penalty": 0.0,
        "n": 1,
        "best_of": 1,
        "request_timeout": null,
        "_type": "openai"
    }

llm.yaml：

    _type: openai
    best_of: 1
    frequency_penalty: 0.0
    max_tokens: 256
    model_name: text-davinci-003
    n: 1
    presence_penalty: 0.0
    request_timeout: null
    temperature: 0.7
    top_p: 1.0

我们可以对配置文件进行加载和保存：

# 加载方法
llm = load_llm("llm.json")
llm = load_llm("llm.yaml")
# 保存方法
llm.save("llm.json")
llm.save("llm.yaml")

流式响应

一些流行的大型语言模型（LLM）提供了两种响应方式，即同步和流式响应。与同步响应不同，流式响应意味着您可以立即开始处理响应，而无需等待整个响应返回。如果您需要在生成响应时立即向用户显示响应，或者需要在生成响应时对其进行处理，这对您非常有用。

LangChain支持许多不同的 LLM 实施的流式传输，包括但不限于 OpenAI、ChatOpenAI、ChatAnthropic、Hugging Face Text Generation Inference和Replicate。此功能已扩展以适应大多数型号。要使用流式传输，请使用CallbackHandler实现on_llm_new_token。

如使用StreamingStdOutCallbackHandler：

from langchain.llms import OpenAI
from langchain.callbacks.streaming_stdout import StreamingStdOutCallbackHandler


llm = OpenAI(streaming=True, callbacks=[StreamingStdOutCallbackHandler()],
             temperature=0)

resp = llm("给我讲一个笑话")
# 一个人去买西瓜，卖西瓜的老板问：“你要几斤？”顾客回答：“我要一斤半。”老板说：“一斤半？你是不是想吃两斤？”顾客说：“不，我只想吃一斤半，另外半斤是给我的狗吃的。”

如果需要使用LLMResult，可以提供访问最后一次生成的数据，但是token_usage目前不支持实时流式传输。

llm.generate(["给我讲一个笑话"])
# generations=[[Generation(text='\n\n一个人去买西瓜，卖西瓜的老板问：“你要几斤？”顾客回答：“我要一斤半。”老板说：“一斤半？你是不是想吃两斤？”顾客说：“不，我只想吃一斤半，另外半斤是给我的狗吃的。”', generation_info={'finish_reason': 'stop', 'logprobs': None})]] llm_output={'token_usage': {}, 'model_name': 'text-davinci-003'} run=[RunInfo(run_id=UUID('e9da15df-2a25-4b55-92f4-a4154525e8b4'))]

跟踪模型 Token 使用情况

LangChain支持跟踪特定调用的令牌使用情况，但这项功能目前只针对 OpenAI API 实现。

from langchain.llms import OpenAI
from langchain.callbacks import get_openai_callback

llm = OpenAI(model_name="text-davinci-002", n=2, best_of=2)

with get_openai_callback() as cb:
    result = llm("Tell me a joke")
    print(cb)


with get_openai_callback() as cb:
    result = llm("讲一个笑话")
    print(cb)

运行结果：

Tokens Used: 42
  Prompt Tokens: 4
  Completion Tokens: 38
Successful Requests: 1
Total Cost (USD): $0.00084

Tokens Used: 319
  Prompt Tokens: 11
  Completion Tokens: 308
Successful Requests: 1
Total Cost (USD): $0.006379999999999999

从上面我们可以得知这次请求消耗Token数和总共花费的金额，大致可以看出中文提示消耗的Token会比英文更大。

在上下文管理器内的任何内容都会被跟踪。以下是使用它按顺序跟踪多个请求的示例：

with get_openai_callback() as cb:
    result = llm("Tell me a joke")
    result2 = llm("讲一个笑话")
    print(cb)

运行结果：

Tokens Used: 563
  Prompt Tokens: 15
  Completion Tokens: 548
Successful Requests: 2
Total Cost (USD): $0.011260000000000001

同时也支持使用包含多个步骤的链或代理，它将跟踪所有这些步骤：

from langchain.agents import load_tools
from langchain.agents import initialize_agent
from langchain.agents import AgentType
from langchain.llms import OpenAI

# SERPAPI_API_KEY 可以通过 https://serpapi.com/ 注册获取
os.environ["SERPAPI_API_KEY"] = "xxx" # pip install google-search-results==2.4.2


llm = OpenAI(temperature=0)
tools = load_tools(["serpapi", "llm-math"], llm=llm)
agent = initialize_agent(
    tools, llm, agent=AgentType.ZERO_SHOT_REACT_DESCRIPTION, verbose=True
)


with get_openai_callback() as cb:
    response = agent.run(
        "现在的美国总统是谁？他几岁了？"
    )
    print(cb)

运行结果：

> Entering new AgentExecutor chain...
 I need to find out who the current US President is and their age.
Action: Search
Action Input: "Current US President"
Observation: Joe Biden
Thought: I need to find out Joe Biden's age.
Action: Search
Action Input: "Joe Biden age"
Observation: 80 years
Thought: I now know the final answer.
Final Answer: Joe Biden is 80 years old.

> Finished chain.
Tokens Used: 898
  Prompt Tokens: 829
  Completion Tokens: 69
Successful Requests: 3
Total Cost (USD): $0.01796

小结

本文为你介绍了学习LangChain的背景，简要讲解了安装和配置基础的开发环境，并深入介绍了LLM核心组件的相关API，包括运行、调用、缓存机制、配置序列化、流式响应和跟踪token适应情况等方面的内容。可以说，LLM是开发AI应用的基石，具有重要的作用。

理解新范式，拥抱新时代，把握新机会。 《LangChain 入门到实战教程》更多内容