คู่มือเร่งด่วน

1. คู่มือเร่งด่วน

ด้านล่างนี้คือตัวอย่างง่ายของ langchain ที่สาธิตวิธีการใช้เฟรมเวิร์ก langchain เพื่อเรียกร้องโมเดลเพื่อทำงานต่าง ๆ

2. ตัวอย่าง Langchain

2.1. การติดตั้ง LangChain

เพื่อที่จะติดตั้ง LangChain คุณสามารถใช้ Pip และ Conda ดังนี้

ใช้ Pip:

pip install langchain

ใช้ Conda:

conda install langchain -c conda-forge

2.2. การเริ่มต้นใช้งานโมเดล

ก่อนที่จะใช้ LangChain คุณต้องนำเข้าแพ็คเกจ LangChain x OpenAI integration และตั้งค่า API key เป็นตัวแปรสภาพแวดล้อม หรือส่งตรงไปที่คลาส OpenAI LLM

ก่อนอื่น ให้รับ API key จาก OpenAI ซึ่งสามารถทำได้โดยการสร้างบัญชีและเข้าถึง ลิงค์นี้ จากนั้น คุณสามารถตั้งค่า API key เป็นตัวแปรสภาพแวดล้อมด้วยวิธีต่อไปนี้:

export OPENAI_API_KEY="YOUR_API_KEY"

จากนั้น ทำการเริ่มต้นโมเดล:

from langchain_openai import ChatOpenAI

llm = ChatOpenAI()

หากคุณไม่ต้องการตั้งค่าตัวแปรสภาพแวดล้อม คุณสามารถส่ง API key โดยตรงเมื่อเริ่มต้นคลาส OpenAI LLM ดังนี้:

from langchain_openai import ChatOpenAI

llm = ChatOpenAI(openai_api_key="YOUR_API_KEY")

2.3. การใช้งาน LLM

การใช้งาน LLM เพื่อตอบคำถามเป็นเรื่องง่ายมากๆ คุณสามารถเรียกใช้วิธี invoke ของ LLM โดยตรงและส่งคำถามเป็นพารามิเตอร์ได้เลย อีกทั้ง คุณยังสามารถสร้างรูปแบบพรอมป์ท์เพื่อส่งคำสั่งไปที่โมเดล (LLM)

ต่อไปนี้เป็นตัวอย่างของการสร้าง LLM chain อย่างง่าย:

from langchain_core.prompts import ChatPromptTemplate

prompt = ChatPromptTemplate.from_messages([
    ("system", "You are world class technical documentation writer."),
    ("user", "{input}")
])

chain = prompt | llm

chain.invoke({"input": "how can langsmith help with testing?"})

2.4. การแปลงผลลัพธ์

ผลลัพธ์ของ LLM มักจะเป็นข้อความ สำหรับความสะดวกในการจัดการผลลัพธ์ คุณสามารถแปลงข้อความเป็นสตริงได้ ต่อไปนี้เป็นตัวอย่างของวิธีแปลงข้อความผลลัพธ์ของ LLM เป็นสตริง:

from langchain_core.output_parsers import StrOutputParser

output_parser = StrOutputParser()

chain = prompt | llm | output_parser

chain.invoke({"input": "how can langsmith help with testing?"})

ข้างต้นเป็นคำอธิบายถึง LLM chain หวังว่าจะช่วยให้คุณเข้าใจวิธีการติดตั้ง LangChain และสร้างแบบฉบับต่างๆ ของ chains ได้ดีขึ้น