经常使用LangFlow轻松创立LangChain大模型运行 无需代码

人工智能畛域因大型言语模型如ChatGPT的产生而改头换面。这些模型能模拟人类言语，迅速被宽泛采用。ChatGPT在颁布后仅两个月便吸引了1亿用户，彰显了渺小的影响力。

要将这些模型的后劲转化为实践运行，须要特定的工具，LangChain和LangFlow正是为此而生。

1 LangChain：构建智能运行的弱小框架

LangChain是一个开源的Python工具，为开发者提供了弱小的平台，可以将大型言语模型（LLMs）与泛滥工具和性能无缝对接。

LangChain不只是一种工具，更是围绕大型言语模型（LLMs）构建的片面框架。可以用于创立聊天机器人、生成疑问的回答、总结文本等等。

经过LangChain，开发者能够构建出了解和处置人造言语的复杂运行程序。其外围组件包括：

2 LangFlow：LangChain的直观界面

LangFlow是LangChain的直观界面，极大地优化了用户体验。这个Web界面让开发者能够经过拖放组件的模式，直观地设计LangChain的上班流程。

LangFlow的无代码处置打算不只简化了开发环节，还使大型言语模型的运行愈加遍及，无论是资深开发者还是初学者都能轻松上手。

3 经常使用LangFlow

经常使用LangFlow需依照以下步骤操作：

3.1 装置

在终端并输入以下命令：

pip install langflow

3.2 启动

装置实现后，经过输入以下命令来启动LangFlow：

这个命令会在阅读器中关上一个新网页。

3.3 创立新名目

在网页上，点击“+New Project”按钮。这个操作将关上一个空白画布，你可以开局创立你的名目。

4 示例演示：构建PDF阅读器机器人

让咱们经常使用LangFlow创立一个PDF阅读器机器人的原型。以下是逐渐指南：

从左正面板将以下组件拖放到画布上：

点击PyPDFLoader中的“文件门路(File Path)”字段，并从本地驱动器上行一个PDF文件。在这个演示中，上行了一个名为“Introduction to AWS Security”的PDF文档。

在OpenAI和OpenAIEmbedding的“OpenAI API密钥”字段中输入你的OpenAI API密钥。

在VectorStoreInfo中提供一个称号（PDF）和形容（PDF阅读器）。

将PyPDFLoader的输入衔接到CharacterTextSplitter的输入。

将CharacterTextSplitter和OpenAIEmbeddings的输入衔接到FAISS的输入。

将FAISS的输入衔接到VectorStoreInfo的输入。

将VectorStoreInfo和OpenAI的输入衔接到VectorStoreAgent的输入。

如今应该看到一个图表，显示组件是如何链接在一同的。

接上去，点击界面右下角的白色闪电图标，开局编译并验证设置。当一切组件的右上角都亮起小绿灯时，示意一切预备就绪。

如今会看到一个新产生的蓝色按钮。点击它，就会关上一个相似ChatGPT的对话窗口。在这里，你可以提出疑问，测试机器人能否真歪了解了上行的PDF文档。

假构想要更深化地了解，可以导航到控制台。那里，可以观察到一些幕后启动的幽默环节，这些环节被笼统地称为“观察”和“思索”，是整个系统运作的外围。

最后，也可以将其导出为json文件并在其余运行程序中运转。

再次进入画布，点击左上角的保留按钮，而后点击导出按钮。

点击“下载流程”按钮后，创立一个名为“Cocky Almeida.json”的文件并存储在本地驱动器上。

为了验证这个PDF阅读器的操作，将口头一个本地Python运行程序。这里预备了一个名为“pdfreader.py”的Python文件，其中蕴含以下代码：

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

接上去，口头以下命令：

python3 pdfreader.py

从同一个控制台可以看到这个输入：

一切都按预期顺利运转。

5 结语

大型言语模型正在重塑咱们的运行开发。LangChain和LangFlow这样的工具简化了将这些模型融入实践运行的环节，其价值随着AI技术的提高而日益参与。

无论是想构建一个复杂的人工智能运行，还是只想要探求大型言语模型的后劲，LangFlow都是一个十分值得思索的资源。它不只能够助力开发旅程，还能让你更深化地理解和应用这些前沿技术。