创建简单的链

在这一节中，我们将学习如何使用 LangChain 创建一个简单的链（Chain）。链是 LangChain 的核心概念之一，它们将多个组件（如提示、模型等）串联在一起，从而处理复杂的任务。

1. 安装 LangChain

首先，在开始之前，请确保你已经安装了 LangChain。可以使用以下命令安装：

pip install langchain

2. 定义链的结构

LangChain 的链可以有许多种类，最基本的链是一个简单的提示链（Prompt Chain）。我们将创建一个最基本的链，它接收用户的输入，并返回生成的文本。

2.1 导入所需的库

在你的 Python 脚本中，首先需要导入 LangChain 的库：

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

2.2 创建提示模板

在创建链之前，我们需要定义一个提示模板。提示模板是生成模型的输入，它定义了模型要完成的任务或生成的内容。

prompt_template = PromptTemplate(
    input_variables=["user_input"],
    template="请详细解释以下主题：{user_input}"
)

以上代码定义了一个提示模板，它接收一个输入变量 user_input，并将其插入到模板字符串中。

2.3 设置语言模型

接下来，我们需要定义一个语言模型。在本例中，我们将使用 OpenAI 的 GPT-3 模型。请确保你有有效的 API 密钥。

llm = OpenAI(api_key="your_openai_api_key")

2.4 创建链

现在，我们可以使用创建的提示模板和语言模型来构建一个链。我们将使用 LLMChain 来实现这一点：

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

3. 使用链

现在我们已经创建了一个简单的链，我们可以开始使用它来处理用户输入。

3.1 运行链

通过调用链的 run 方法，我们可以传入用户的输入并获取模型的输出。

user_input = "机器学习"
result = chain.run(user_input=user_input)
print(result)

在上述代码中，我们将 “机器学习” 作为用户输入传递给链，并打印出生成的文本。

4. 完整示例代码

以下是前述步骤的完整代码示例，将它们组合起来形成一个完整的程序：

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

# 定义提示模板
prompt_template = PromptTemplate(
    input_variables=["user_input"],
    template="请详细解释以下主题：{user_input}"
)

# 创建语言模型
llm = OpenAI(api_key="your_openai_api_key")

# 创建链
chain = LLMChain(prompt=prompt_template, llm=llm)

# 运行链并打印结果
user_input = "机器学习"
result = chain.run(user_input=user_input)
print(result)

5. 总结

在本节中，我们学习了如何从头开始创建一个简单的 LangChain 链。通过定义提示模板、设置语言模型并实际运行链，我们能够快速构建出具有强大功能的应用。下一节中，我们将探索更复杂的链和功能。