人工智能領(lǐng)域因大型語(yǔ)言模型如ChatGPT的出現(xiàn)而煥然一新。這些模型能模擬人類語(yǔ)言，迅速被廣泛采納。ChatGPT在發(fā)布后僅兩個(gè)月便吸引了1億用戶，彰顯了巨大的影響力。

要將這些模型的潛力轉(zhuǎn)化為實(shí)際應(yīng)用，需要特定的工具，LangChain和LangFlow正是為此而生。

1 LangChain：構(gòu)建智能應(yīng)用的強(qiáng)大框架

LangChain是一個(gè)開(kāi)源的Python工具，為開(kāi)發(fā)者提供了強(qiáng)大的平臺(tái)，可以將大型語(yǔ)言模型（LLMs）與眾多工具和功能無(wú)縫對(duì)接。

LangChain不僅是一種工具，更是圍繞大型語(yǔ)言模型（LLMs）構(gòu)建的全面框架。可以用于創(chuàng)建聊天機(jī)器人、生成問(wèn)題的回答、總結(jié)文本等等。

通過(guò)LangChain，開(kāi)發(fā)者能夠構(gòu)建出理解和處理自然語(yǔ)言的復(fù)雜應(yīng)用程序。其核心組件包括：

• 提示模板：提供多樣化的提示模板，支持聊天機(jī)器人或問(wèn)答系統(tǒng)等多種交互方式。
• 大型語(yǔ)言模型（LLMs）：集成了如GPT-3或BLOOM這樣的先進(jìn)模型，為應(yīng)用提供強(qiáng)大的語(yǔ)言處理能力。
• 智能體（Agents）：這些智能體能夠利用LLMs來(lái)決定執(zhí)行的操作，調(diào)用網(wǎng)絡(luò)搜索、計(jì)算器等工具，確保操作的連貫性。
• 記憶：包括短期記憶和長(zhǎng)期記憶，使應(yīng)用能夠記住并利用歷史信息。

2 LangFlow：LangChain的直觀界面

LangFlow是LangChain的直觀界面，極大地提升了用戶體驗(yàn)。這個(gè)Web界面讓開(kāi)發(fā)者能夠通過(guò)拖放組件的方式，直觀地設(shè)計(jì)LangChain的工作流程。

• 可視化設(shè)計(jì)：開(kāi)發(fā)者可以在畫(huà)布上自由拖拽組件，輕松構(gòu)建應(yīng)用程序。
• 模塊支持：LangFlow支持LangChain的多種模塊，如鏈、智能體、提示、大型語(yǔ)言模型（LLMs）、記憶、工具、工具包和包裝器。
• 靈活編輯：用戶可以自由編輯提示、參數(shù)、鏈和代理，嘗試不同的配置。
• 導(dǎo)出功能：完成的流程可以導(dǎo)出為JSON文件，方便與LangChain集成使用。

LangFlow的無(wú)代碼解決方案不僅簡(jiǎn)化了開(kāi)發(fā)過(guò)程，還使大型語(yǔ)言模型的應(yīng)用更加普及，無(wú)論是資深開(kāi)發(fā)者還是初學(xué)者都能輕松上手。

3 使用LangFlow

使用LangFlow需按照以下步驟操作：

3.1 安裝

在終端并輸入以下命令：

pip install langflow

3.2 啟動(dòng)

安裝完成后，通過(guò)輸入以下命令來(lái)啟動(dòng)LangFlow：

langflow

這個(gè)命令會(huì)在瀏覽器中打開(kāi)一個(gè)新網(wǎng)頁(yè)。

3.3 創(chuàng)建新項(xiàng)目

在網(wǎng)頁(yè)上，點(diǎn)擊“+New Project”按鈕。這個(gè)操作將打開(kāi)一個(gè)空白畫(huà)布，你可以開(kāi)始創(chuàng)建你的項(xiàng)目。

4 示例演示：構(gòu)建PDF閱讀器機(jī)器人

讓我們使用LangFlow創(chuàng)建一個(gè)PDF閱讀器機(jī)器人的原型。以下是逐步指南：

a. 從左側(cè)面板將以下組件拖放到畫(huà)布上：

• 從“加載器”中拖放PyPDFLoader
• 從“文本分割器”中拖放CharacterTextSplitter
• 從“嵌入”中拖放OpenAIEmbeddings
• 從“向量存儲(chǔ)”中拖放FAISS
• 從“工具包”中拖放VectorStoreInfo
• 從“LLMs”中拖放OpenAI
• 從“代理”中拖放VectorStoreAgent

b. 點(diǎn)擊PyPDFLoader中的“文件路徑(File Path)”字段，并從本地驅(qū)動(dòng)器上傳一個(gè)PDF文件。在這個(gè)演示中，上傳了一個(gè)名為“Introduction to AWS Security”的PDF文檔。

c. 在OpenAI和OpenAIEmbedding的“OpenAI API密鑰”字段中輸入你的OpenAI API密鑰。

d. 在VectorStoreInfo中提供一個(gè)名稱（PDF）和描述（PDF閱讀器）。

e. 將PyPDFLoader的輸出連接到CharacterTextSplitter的輸入。

f. 將CharacterTextSplitter和OpenAIEmbeddings的輸出連接到FAISS的輸入。

g. 將FAISS的輸出連接到VectorStoreInfo的輸入。

h. 將VectorStoreInfo和OpenAI的輸出連接到VectorStoreAgent的輸入。

現(xiàn)在應(yīng)該看到一個(gè)圖表，顯示組件是如何鏈接在一起的。

接下來(lái)，點(diǎn)擊界面右下角的紅色閃電圖標(biāo)，開(kāi)始編譯并驗(yàn)證設(shè)置。當(dāng)所有組件的右上角都亮起小綠燈時(shí)，表示一切準(zhǔn)備就緒。

現(xiàn)在會(huì)看到一個(gè)新出現(xiàn)的藍(lán)色按鈕。點(diǎn)擊它，就會(huì)打開(kāi)一個(gè)類似ChatGPT的對(duì)話窗口。在這里，你可以提出問(wèn)題，測(cè)試機(jī)器人是否真正理解了上傳的PDF文檔。

如果想要更深入地了解，可以導(dǎo)航到控制臺(tái)。那里，可以觀察到一些幕后進(jìn)行的有趣過(guò)程，這些過(guò)程被形象地稱為“觀察”和“思考”，是整個(gè)系統(tǒng)運(yùn)作的核心。

i. 最后，也可以將其導(dǎo)出為json文件并在其他應(yīng)用程序中運(yùn)行。

再次進(jìn)入畫(huà)布，點(diǎn)擊左上角的保存按鈕，然后點(diǎn)擊導(dǎo)出按鈕。

點(diǎn)擊“下載流程”按鈕后，創(chuàng)建一個(gè)名為“Cocky Almeida.json”的文件并存儲(chǔ)在本地驅(qū)動(dòng)器上。

為了驗(yàn)證這個(gè)PDF閱讀器的操作，將執(zhí)行一個(gè)本地Python應(yīng)用程序。這里準(zhǔn)備了一個(gè)名為“pdfreader.py”的Python文件，其中包含以下代碼：

from langflow import load_flow_from_json

flow = load_flow_from_json("Cocky Almeida.json")
flow("what is title of the document ?")

接下來(lái)，執(zhí)行以下命令：

python3 pdfreader.py

從同一個(gè)控制臺(tái)可以看到這個(gè)輸出：

一切都按預(yù)期順利運(yùn)行。

5 結(jié)語(yǔ)

大型語(yǔ)言模型正在重塑我們的應(yīng)用開(kāi)發(fā)。LangChain和LangFlow這樣的工具簡(jiǎn)化了將這些模型融入實(shí)際應(yīng)用的過(guò)程，其價(jià)值隨著AI技術(shù)的進(jìn)步而日益增加。

無(wú)論是想構(gòu)建一個(gè)復(fù)雜的人工智能應(yīng)用，還是只想要探索大型語(yǔ)言模型的潛力，LangFlow都是一個(gè)非常值得考慮的資源。它不僅能夠助力開(kāi)發(fā)旅程，還能讓你更深入地理解和利用這些前沿技術(shù)。

本文轉(zhuǎn)載自 ??AI科技論談??，作者： AI科技論談