九天玩转Langchain！第二讲 langchain基础——安装与hello world
Summary
TLDR本课程由硅谷摩根大通软件工程师小伟主讲，介绍了Longchain系列课程的学习内容。课程分为三部分：首先是Python环境搭建和Jupyter Notebook的安装使用，其次是Longchain的安装和快速上手，创建大型语言模型模块并进行简单应用，最后是阅读Longchain文档和探索原代码。课程内容丰富，旨在帮助学员通过实践掌握Longchain的应用开发。
Takeaways
- 🚀 课程介绍了Longchain系列课程的学习内容，包括Python环境搭建、Jupyter Notebook安装与使用，以及Longchain的安装和应用。
- 🌟 Python是高级编程语言，因其接近人类语言、动态类型和直译式特性而易于学习和应用广泛。
- 📚 Jupyter Notebook是一个交互式开源笔记本工具，支持多种编程语言，特别适合数据科学和机器学习领域。
- 🛠️ 安装Python推荐版本为3.8.1以上，课程中使用的是3.10.12版本。
- 🔧 Jupyter Notebook可以通过Pip安装，也可以通过VS Code的插件来使用。
- 📈 Longchain的安装非常简单，只需使用命令`pip install longchain`即可。
- 🔄 通过Longchain可以创建大型语言模型模块（LLM模块），这是Longchain应用的基础。
- 🤖 利用LLM模块，可以开发简单的应用，如生成男孩小名等，并可通过API与第三方模型提供商交互。
- 🔗 链式结构（Chain）允许将不同功能的模块串联起来，形成具有丰富功能的应用。
- 📝 代理人（Agent）模块能够解决复杂问题，如数学计算和访问互联网获取信息。
- 📋 阅读和理解Longchain的文档是学习过程中的重要部分，但同时也需要参考原代码来解决一些文档中未涉及的问题。
Q & A
课程中提到的Longchain是什么？
-Longchain是一个基于Python的开源项目，旨在通过模块化的方式构建和使用大型语言模型。它提供了一系列工具和接口，方便开发者快速搭建和部署各种基于语言模型的应用。
为什么在Longchain系列课程中，Python环境的搭建和Jupyter Notebook的安装非常重要？
-Python是Longchain的主要编程语言，其易于学习和动态特性使得开发更为便捷。Jupyter Notebook是一个交互式的编程环境，允许用户逐行运行代码并实时查看结果，非常适合进行教学和开发工作。
课程中提到的LLM模块是什么？
-LLM模块指的是大型语言模型模块，它是Longchain应用的基础或基石。几乎所有的应用都是基于这样的模块开发的，它能够根据输入的文本生成或补全新的文本。
如何安装Python？
-Python的安装非常简单，可以通过官网下载安装包进行安装，也可以通过包管理器如pip来安装特定版本的Python。课程推荐使用Python 3.8.1以上版本，其中3.10.12是较为稳定的版本。
Jupyter Notebook有哪些特点？
-Jupyter Notebook是一个交互式的开源笔记本工具，支持多种编程语言，尤其在Python上应用广泛。它可以在一个web浏览器中使用，支持交互式运行代码，即可以选择性执行代码片段，并实时查看输出结果。此外，它还支持Markdown格式的文本输入和可视化输出。
Longchain的安装方法是什么？
-Longchain的安装非常简单，只需要使用Python的包管理器pip，通过命令`pip install longchain`即可安装Longchain及其所有依赖包。
课程中提到的链式结构是什么？
-链式结构是Longchain中的一种设计模式，它允许将不同的模块按照特定需求串联起来，形成一个处理流程。这种结构可以避免重复定义功能相似的模块，并且可以通过连接不同的模块来丰富应用的功能。
代理人模块在Longchain中的作用是什么？
-代理人模块在Longchain中用于解决复杂问题，它可以通过使用各种工具和内部的语言模型来决定完成任务所需的行为及其执行顺序。代理人模块可以访问互联网获取最新信息，或者执行复杂的数学计算等任务。
如何获取并使用大型语言模型（LLM）？
-可以通过在本地运行开源的LLM模型或使用第三方模型提供商的API来获取LLM。国内提供商如百度和阿里，国外如OpenAI和Replicate等，他们都提供了可以通过API访问的语言模型。
课程中提到的Conversation Chain有什么特点？
-Conversation Chain是Longchain中的一个模块，专注于对话应用。它内部具有对话记录的缓存功能，能够根据上下文给出符合语境的回答，实现类似chatbot的对话体验。
Outlines
📚课程介绍与Python环境搭建
本段落介绍了课程的基本情况，包括讲师小伟的背景和课程内容的概览。课程分为三部分：Python环境搭建、Jupyter Notebook的安装与使用，Linechain的安装和快速上手，以及创建大型语言模型模块（LLM）。强调了Python的重要性，解释了其高级编程语言的特点，如语法易理解、动态类型、直译式执行等。同时，提到了Python在多个领域的广泛应用和活跃的社区支持。最后，介绍了Python环境的安装和版本要求，推荐使用3.8.1以上版本，并推荐了3.10.12版本。
🛠️Jupyter Notebook与Longchain的安装
本段落详细讲解了Jupyter Notebook的安装和使用方法，以及Longchain的安装过程。首先介绍了Jupyter Notebook的功能和优势，如交互式代码执行、支持Markdown和可视化输出等，并提供了安装和启动JupyterLab的命令。接着，通过截图和实际操作演示了Jupyter Notebook的界面和功能。然后，介绍了Longchain的安装命令，强调了安装Longchain后可以进行的开发和使用。最后，通过VS Code演示了Jupyter Notebook的交互使用，展示了如何在VS Code中创建和运行Jupyter Notebook文件。
🤖建立大型语言模型模块与使用
本段落主要讲解了如何建立和使用大型语言模型模块（LLM）。首先介绍了获取LLM的两种途径：本地运行开源模型和使用第三方模型提供商的API。由于高性能模型需要大量GPU资源，推荐使用API。介绍了国内外的API提供商，如百度、阿里、Replicate和OpenAI，并讲解了如何使用这些API。然后，通过示例展示了如何创建一个简单的LLM模块，并使用predict方法生成文本。此外，还讨论了模型的温度设置对结果的影响，并举例说明了如何通过设置temperature得到一致的结果。
💬聊天模块与链式结构的应用
本段落深入探讨了Longchain中的聊天模块和链式结构。首先解释了聊天模块的功能，即以对话形式续写对话，并介绍了与LM模块的相似性和差异性。然后，通过示例展示了如何使用聊天模块生成对话消息，并解释了AI message、Human message和System message的概念。接着，介绍了链式结构的概念，即将不同功能的模块串联起来形成一个应用。通过示例代码，展示了如何使用提示模板和链式结构来创建一个可以根据不同对象生成名字的应用。最后，讨论了链式结构的优势，如方便连接多个模块和避免重复定义功能相似的模块。
🧠代理人模块与对话记录的应用
本段落详细介绍了Longchain中的代理人模块和对话记录应用。首先解释了代理人模块的作用，即解决复杂问题和访问互联网获取信息。通过示例展示了如何使用代理人模块进行数学计算，并比较了代理人和基本语言模型在处理数学问题上的差异。然后，介绍了对话记录应用Conversation Chain，通过示例展示了如何实现与人工智能的对话。此外，还讨论了Conversation Chain如何利用内部缓存来处理具有上下文的对话。最后，强调了阅读Longchain文档和原代码的重要性，以及如何通过VS Code的代码跳转功能来查看原代码。
📖Longchain文档与原代码阅读指南
本段落主要提供了关于Longchain文档和原代码阅读的指南。首先强调了Longchain文档的重要性，尤其是教程部分，并建议选择性阅读模块部分的讲解作为预习。然后，指出了文档的局限性，如更新速度跟不上开发速度、结构逻辑关系不清晰、重复内容影响阅读效率等。建议在开发过程中结合原代码进行学习，并提供了两种查看原代码的方法：直接在GitHub上查找和在VS Code中使用代码跳转功能。最后，鼓励大家在课程结束后阅读文档，以更好地理解和使用Longchain。
Mindmap
Keywords
💡Longchain
💡Python
💡Jupyter Notebook
💡LLM模块
💡链式结构
💡代理人
💡Conversation Chain
💡文档阅读
💡原代码
💡API文档
Highlights
讲师小伟在硅谷摩根大通担任软件工程师，与小安讲师共同探讨Longchain的学习成果。
本课程分为三部分：简单安装、快速上手和阅读文档，以及窥探Longchain的原代码。
Python环境搭建和版本选择是Longchain学习的基础，推荐使用Python 3.10.12版本。
Jupyter Notebook是Longchain系列课程中必不可少的工具，支持多种编程语言。
Longchain的安装非常简单，只需使用pip install longchain命令即可。
创建大型语言模型模块（LLM模块）是Longchain应用的基础。
通过Longchain的文档可以了解其提供的参考资料和基础功能的实现逻辑。
Python因其易于学习和动态特性，被广泛应用于Web应用、软件开发、数据科学和机器学习等领域。
Jupyter Notebook是一个交互式的开源笔记本工具，可以编写、运行和共享代码文本和图形内容。
VS Code与Jupyter Notebook结合使用，可以方便地编写和运行代码。
Longchain提供了丰富的模块和工具，如LLM模块、聊天模块和链式结构等。
代理人模块可以帮助解决复杂问题，如数学计算和访问互联网获取最新信息。
Longchain的文档是学习的重要参考资料，但需要结合原代码进行深入理解。
Longchain支持多种大型语言模型的集成，如OpenAI、阿里巴巴达摩院的同意签问等。
Longchain的API文档和分类文档有助于开发者了解各个模块的使用方法和功能。
Longchain的JavaScript版本也在并行开发中，提供了不同于Python的另一种使用方式。
通过VS Code的代码跳转功能可以方便地查看Longchain的原代码，有助于解决开发中的问题。
Transcripts
00:00Hello 大家好
00:01欢迎大家继续我们Longchain系列课程的学习
00:04我是本堂课的讲师
00:06大家可以叫我小伟
00:07先做一个简单的自我介绍
00:09我在硅谷这边摩根大通担任软件工程师
00:14我与大家在上节课中已经认识过的小安讲师
00:18平常喜欢在一起捣鼓一些有的没的东西
00:21所以我们在这一整个系列课程中
00:24会和大家分享我们捣鼓Longchain的一些学习成果
00:28也希望所有的学员能够通过这系列课程的学习有所收获
00:35好 话不多说
00:37让我们一起进入今天的学习内容
00:39接下来让我们一起来看一下这堂课的大纲
00:42这堂课分为三个部分
00:44第一部分叫简单安装
00:46就是我们会和大家一块来过一下
00:49Python环境的搭建
00:51版本选择以及一个很重要的工具
00:54也就是Jupyter Notebook的安装与使用
00:56在我们整个系列课程中
00:58Jupyter Notebook是必不可少的一个工具
01:01在这之后我们会迎来今天的主角
01:06也就是Linechain的安装
01:08在安装过程结束之后
01:11我们会进入我们的第二部分
01:12也就是快速上手
01:13在这一部分中
01:15我们会首先创建一个大型语言模型模块
01:18也就是LLM模块
01:20这个LLM模块就是我们所有的Longchain的应用的基础
01:25或者叫基石
01:27基本上所有的应用都是基于这样一个模块来开发的
01:32好 有了这样一个模块之后
01:34我们会做一些基于这个模块的简单的应用
01:38注意是一些不是一个
01:40所以咱们这堂课的内容其实还是挺多的
01:43在做完这些应用之后
01:45我们会和大家一起来阅读一下
01:47Longchain的文档
01:48看一下它的文档提供了哪些
01:52我们可以使用的参考资料
01:54在这之后我们会窥探一下
01:58Longchain的原代码
01:59去看一下它到底是如何实现一些基础的功能
02:03它背后的逻辑是什么样的
02:04好这是我们这堂课的一个基本安排去看一下它到底是如何实现一些基础的功能它背后的逻辑是什么样的
02:06好
02:08这是我们这堂课的一个基本安排
02:16首先简单介绍一下我们的需要使用的编程语言也就是Python
02:18Python它是一个高级的编程语言
02:21为什么说它是高级的编程语言
02:23因为它是比较接近于人类的语言
02:25所以它非常容易学习
02:26它的语法特别容易理解
02:29然后它是一个动态的语言
02:32什么叫动态语言
02:33就是它的变量类型是可变的
02:38所以写起来会比较灵活自由
02:43然后同时它也是一个直译式语言
02:46也就是说它不需要编译成机器码
02:49它可以直接的由解释器来运行
02:52这就是为什么我们可以使用Jupyter Notebook这样的软件
02:56来逐行的运行Python代码
02:58并且可以实时的看到我们运行代码的结果
03:03Python被广泛的应用于Web应用实时地看到我们运行代码的结果
03:07Python被广泛地应用于web应用软件开发 数据科学和机器学习等领域
03:11也就是因为它的这些一系列特性
03:14另外Python还有非常活跃的社区
03:17Python开发者可以说是软件开发者中的很大一部分人群
03:23然后在Python的社区中也活跃着
03:26数量巨大的内容丰富的库
03:28也就是可以理解为第三方软件包吧
03:31他们让Python拥有了无穷的力量
03:36以及丰富的功能
03:37所以在咱们学习Longchain的过程中
03:41Python是必不可少的一个编程语言
03:50Python的环境其实安装非常简单这里就不再赘述了
03:52主要强调一点就是它的版本要求
03:563.8.1是Longchain的一个推荐配置
04:01它说你要使用我们Longchain的话
04:04最好Python的版本是要高于3.8.1
04:07这里我们直接就推到3.10.12
04:10因为3.10是现在Python的
04:12Python3的一个小版本里面比较稳定的一个版本
04:15然后12是它最新的一个build
04:18是我们在录这个视频的时候最新的一个build
04:20可能当你看到这个视频的时候
04:22最新的build可能不是12可能13或者14
04:26这个就取决于你自己的个人选择了
04:28我们这一系列课程
04:30我所使用的会是3.10.12这个版本
04:35接下来会和大家介绍一下Jupyter Notebook
04:38Jupyter Notebook是一个交互式的开源笔记本工具
04:42可以用于编写运行和共享代码文本和图形的内容
04:46它支持多种编程语言
04:48我们这里主要使用的就是Python
04:50它可以在一个web浏览器当中进行使用
04:53它的一个重要的特点是它可以交互式的运行代码
04:57什么叫交互式的运行代码呢
04:59就是你可以选择性的执行某个代码
05:01不像我们平常写代码的时候
05:04可能会就是一整个代码程序就全部运行一遍
05:09而GPU notebook可以让你选择执行其中的某一段代码
05:15并且把这个代码的输出可以给你显示出来
05:19然后你可以修改代码
05:20并且再重复执行这一段
05:22然后看也看到不同的输出
05:26具体的内容我们会在后面的学习中给大家演示
05:31这里只需要知道它是一个交互式的
05:33可以运行代码的程序就可以了
05:36下面会给大家看一个截图的例子
05:39这是Jupyter Notebook的一个界面
05:43然后它里面可以支持用markdown格式输入文档
05:47就是文本
05:49然后可以支持代码块
05:51像这就是一个代码块
05:52然后可以支持显示
05:55我们看到它不光可以显示文本
05:57它可以显示可视化的输出
06:00这是它一个丰富的功能
06:02所以说它被广泛地应用于数据科学
06:08机器学习等等领域因为他们会经常用到一些
06:09可适化输入的这样一个需求
06:12好 它怎么安装呢
06:14很简单
06:15大家可以去它的官网
06:16Jupyter Notebook的这样一个官网
06:18然后到它的安装界面去看它的安装的教程
06:22其实最简单的就是用Pip install JupyterLab
06:25这是Pip是Python的一个包管理器
06:30然后用它来安装Jupyter Notebook是最简单一个方式
06:34然后启动的时候只需要敲这行命令
06:37JupyterLab就可以启动了
06:39还有另外一个方法就是用VS Code
06:41这是一个文本编辑器
06:43不知道有没有学员使文本编辑器不知道有没有学员使用编辑器
06:47但它里面的Jupyter插件是支持Jupyter Notebook的
06:51所以有多种使用方式
06:53一会儿我们会和大家来演示两种使用方式
06:57其实都可以
06:58然后最后就是我们的Longchain的安装
07:02Longchain安装就更简单了
07:04你只需要一号命令
07:05pip install longchain
07:09这个指令会把Longchain需要的所有的dependent
07:12所有的依赖包都给你安装好
07:14那么安装好了这些
07:15安装好这个Longchain之后
07:17你就可以来进行Longchain的开发和使用
07:22好
07:23这里给大家演示一下
07:28一些就是咱们整个安装过程大概是什么样的大家心里有一个基本的认识
07:31好 大家现在看到的界面是我的VSCode
07:34然后VSCode里面它是内置一个terminal一个终端的
07:37这个终端就是大家可以输入一些安装命令
07:40那么现在我的Python其实是已经装好了
07:42大家可以看到我的Python的版本号是3.12.12
07:46然后现在我要来安装JupyterLab
07:50所以我输入命令JupyterLab
07:54大家看到现在安装过程正在进行
08:04好了我的JupyterLab已经安装好了那么接下来让我启动一下JupyterLab好了
08:05我的JupyterLab已经安装好了
08:07那么接下来让我启动一下JupyterLab
08:09试一下看是什么效果
08:10OK
08:14它说我的Lab已经启动好了
08:16那么我可以通过这个链接来进入
08:22Jupyter Notebook这样一个交互界面
08:33好
08:33那么现在我在
08:36Notebook这样一个交互界面
08:38下面我开始一个新的Python3的Notebook
08:41OK
08:42这样就是一个Notebook
08:46这样缩小一点方便大家看到
08:49在这里我们可以输入Pattern代码
08:51比如说print
08:5909:01hello world
09:04输入好Patter上代码之后
09:05我们可以选择运行它
09:06重复点播放按钮
09:08你看
09:08Hello world出来了
09:09好
09:12我们也可以选择输入一些文本
09:16比方说在这里选择markdown
09:18那我们这个块就变成了从代码变成了markdown
09:23我们可以选输一些基本的
09:25这是一个title
09:28这是一个第二个title
09:30然后有一些list1
09:33list2
09:35那么我们点击播放
09:37这个markdown就被执行成了这样一个文本输出
09:40基本上就是这两个功能了然后我们接下来会使用主要使用VSCode
09:49来和Jupyter Notebook进行交互
09:51而不是使用它的Web界面
09:53因为方便我们写代码
09:54好 我就把它先暂时关掉
10:00OK
10:03好 接下来我们来看一下如何用VS Code
10:06来和Jupyter Notebook进行一个交互
10:08注意用VS Notebook的时候
10:11其实是不需要在后台启动一个Jupyter的Server的
10:14我们只需要确保我们的VS Code是安装了Jupyter的插件
10:19那么我们首先来创建一个Jupyter notebook的一个文件
10:25叫它Hello world
10:28它的后缀是ipynb
10:31创好之后我们用listcode把它打开
10:35OK 我们现在打开了这样一个插件
10:37这样一个notebook
10:40我们可以看到这里已经在提示我们这里可以写代码了
10:43我们写一行代码
10:46Hello world
10:49然后点这个小箭头
10:50尝试运行一下
10:51好的
10:51Hello world运行好了
10:54在初次使用插件的时候
10:58它可能会让你选择Python的解释器
11:03在这里
11:04如果你是Mac用户的话
11:06是可以使用Command-JShift-JP来调出控制台
11:10然后在里面选择Python的解释器
11:13选择你自己刚刚安装好的3.4.12就可以了
11:16好
11:17这就是安装和使用Jupyter Notebook的一个最简单的示例
11:21我们再加一个markdown和刚才的演示是一样的
11:25我们来试一下title1
11:28title2
11:30然后我们再加几个list
11:32列表我们叫item1
11:35叫item2
11:37好
11:37我们可以看一下
11:38这个如果我们点
11:41这好像暂时没有办法执行
11:42那么我们在下面加一行code
11:49等一下这个怎么变成
11:51点这个箭头
11:53点箭头好了之后
11:54它就会渲染出来
11:57它是一个已经用markdown来编辑好的一个文本了
12:03好
12:05接下来我们来安装longchain
12:06安装longchain之前我们先看一下我们的
12:09Python的版本是否正确
12:12这里Python版本3.10.12
12:13好的
12:14那么接下来用pypinstall longchain
12:21好
12:21安装过程会需要一段时间
12:23我们这里就暂时先跳过好安装过程会需要一段时间我们这里就暂时先跳过
12:27好安装好了
12:29安装好了LangChain之后呢
12:30好这就好了
12:32安装好LangChain之后呢
12:33我们就可以进行下一步的学习了
12:35好下面我们来带领大家
12:38建立我们的第一个大型语言模型的模块
12:41也就是一个LM模块
12:43要运行这个模块呢首先我们需要的资源就是一个LLM也就是一个大型语言模型的模块也就是一个LM模块要运行这个模块
12:45首先我们需要的资源就是一个LLM
12:48也就是一个大型语言模型
12:50得到这个模型的途径
12:52我们目前有两种方法
12:53第一个就是你在你的本地
12:54运行一个开源的LM模型
12:57当然如果你有一个
12:58你自己的必然的LM模型的话
13:01那也可以
13:02但是我们一般是使用开源的LM模型
13:07但是这样有一个问题
13:08就是一般的性能比较好的LM模型
13:12它需要耗费大量的GPU资源
13:15像我们家里面一般的打游戏用的显卡
13:20在大多数情况下是不具备这样的算力
13:23去运行这样一个模型的
13:25当然如果你家里如果有一块A100的话就当我没说
13:29所以我们推荐大家使用第二种方法
13:32就是去找我们的第三方的这样的模型提供商
13:36他们一般都会有自己的API发布出来
13:39这样的话像我们普通用户就可以使用他们的API
13:44从而去访问到他们模型
13:47利用到他们模型的一些功能
13:48像国内这样的API的提供商有百度
13:53他们的模型是文心Earning
13:55以及阿里他们的模型通一千问
13:57像国外有一些像比如Replicate和OpenAI
14:02也就是大家所熟知的GPT的公司
14:05他们也提供了自己的API
14:07在这里各位学员可以选择自己喜欢使用的提供商
14:13然后拿到他们的API
14:15然后和我们的Luncheon进行一个交互
14:21好 我们这里第一个简单的应用
14:23就是创造一个功能非常简单的LM模块
14:28一个LM模块在Longchain里面
14:31它的最基本的功能就是根据你所说的文本
14:34来补全生成一个新的文本
14:36需要用的方法名称叫predict
14:39中文的意思是预测
14:41我们来举一个例子
14:43比方说我们想让他给我们一个很土
14:46但是听起来好养活的男孩的小名
14:48那么我们把这个你可以把它列为指令
14:52或者就一个简单的字符串
14:54把它发送给这个LM模块
14:58然后让他来给我们预测一下
15:00或者是为我们补全一下
15:01然后他会得到一个结果
15:03我这里只是举一个例子
15:04不是所有的模型以及就算是同一个模型或者是为我们补全一下然后它会得到一个结果我这里只是举一个例子
15:08不是所有的模型以及就算是同一个模型你在调用它不同的
15:11就是每次调用它
15:12它给你的结果可能都不会是一样的
15:15就是因为一般LM模块它都会有一个temperature
15:19也就是你可以把它理解为
15:22它的结果是否每次都会一样
15:24就是可以有结果的发散度
15:26如果它发散度是0的话
15:29那么它的结果就是永远给你都是一样的
15:30如果它发散度不是0的话
15:32那么它可能会随机给你一些它认为比较好的结果
15:36现在我们来举一个例子
15:38好
15:44在这里我演示的是使用OpenAPI这样一个
15:47他们的一个API的提供商
15:49然后对于他们来说
15:51我需要提供的就是一个API的一个密钥
15:55这里可以从他们的官网拿到
15:57拿到了之后
15:58我把它放到我的环境面量文件里
15:59然后加载一下环境面量
16:01加载好了环境面量之后
16:03我们通过这两句代码
16:05可以生成一个非常简单的
16:08LMM模型
16:09LMM模块的一个对象
16:13生成这个对象之后
16:14我们先运行一下
16:15好 运行好了
16:17这个对象生成好之后
16:18我们可以来
16:20让他告诉我们一个
16:23一个男孩小名的一个结果
16:27看一下他会给我们一个什么结果好
16:28他给我们了一个完整的回答
16:30比如小福田小田家
16:32这看起来像是日本人的名字
16:34我们再让他试一次
16:37毛毛
16:38好的
16:38这个有点像我们中国人的名字
16:40然后我们可以看到
16:42你每次运行它
16:43它给你的结果都不太一样
16:44对吧
16:44这是因为默认它的temperature是0.7
16:49这个0.7值大家可以在它的源码中看到
16:52所以说如果你只要不告诉它你想要什么样的temperature
16:56那么它给你的temperature的话就是0.7
16:58那么它每次给你的答案就会不一样
16:59那么如果我们想让它每次给答案一样
17:02我们需要去告诉它说我们temperature想要0
17:06我想每次答案都一样的
17:07不要给我发散思维了
17:08那么不要给我发散思维
17:09每次给我答案都是一样的
17:10那么看看他给我们啥
17:11小农
17:13这个名字有一点不知道是哪个国家的感觉
17:16但他最后给了汉语拼音
17:17那应该是我们中国人的名字吧
17:19然后我再让他跑一次
17:22还是小农
17:23我再跑一次
17:24他还是小农大家可以跑一次它还是小农
17:25大家可以看到我们只要把temperature设成0
17:28那么我们每次得到的结果都是一样的
17:32好的
17:32这就是我们
17:35Lunchein里面的一个非常基础的模块
17:37叫做L1M模块
17:38大家随着继续的学习可以发现
17:41Lunchein里面很多其他的模块
17:43都是以这样一个基础模块作为核心
17:47在它上面搭建起来的其他的一些应用
17:50这里比较典型的一个就是我们接下来将要讲到的一个
17:54叫聊天模块
17:54这聊天模块有什么用呢
17:57简单的说就是它可以以聊天对话的形式来续写一段对话
18:10它和我们的之前讲到的LM模块是类似的
18:13那是因为它的底层是以LM模块作为基础
18:19然后在这里我们会引用三个它的消息类第一个消息类叫AI message
18:22AI message就是说我们模拟出来
18:26这个人工智能它的一些回复
18:28它的一些回复的消息
18:30这么叫做AI message
18:31然后是Human message
18:33Human message就是我们作为用户
18:35跟AI对话的过程中提供的一些消息和文本
18:39第三个是System message
18:41System message大家可以把它理解为
18:44在一段对话开始之前的一个预设
18:47比如说我们在system message里面可以提供
18:50我们想要AI来模拟一家烧烤店的店员
18:55那么我们就把这样一个环境的设定
18:57可以在system message里面告诉AI
19:00那么接下来AI的一些回答
19:01就会尽量的像这样一个烧烤店店员的这样一个设定去靠拢
19:07就非常有意思
19:07然后聊天模块它的方法调用
19:10其实大部分和我们之前讲的模块是类似的
19:15我们一会会在例子中给大家演示
19:17好我们来直接进入我们的例子
19:20好大家看到在这里
19:25我引入了一个Chat OpenAI的这样一个模块
19:29然后它的生成方式
19:30和刚才的OpenAI的生成方式是类似的
19:33直接生成了之后
19:36初始化之后
19:36我们的调用给我一个横图
19:38等一下好像会有小男孩小明
19:39这个调用方式和我们上面的调用方式是
19:42几乎是一样的
19:44好
19:44我看它给我们什么结果
19:47小名小杂草
19:49很有意思
19:51然后它还有一种调用方式
19:54就是通过一段对话的形式来调用
19:59比方说我们在这里生成了一个messages
20:01就是一系列对话
20:03它是一个列表
20:04列表里面的元素是一个human message
20:06就是我们刚才讲过的一个
20:07作为人类语言的
20:09这种用户语言的一个消息的组件
20:14我们还是用同样的问题
20:15我们来给它传过去
20:17注意这我们叫做是predictive messages
20:21好
20:21它返回的是一个AI message类
20:23然后AI message类里面的content就是内容
20:26是彩虹独角兽魔法工坊
20:28就是说它实际上是一个包裹在一段字符串外面的
20:36叫做AI message
20:37就是说这个消息是由AI回复的
20:40是这个意思
20:41但是同样的我们也可以用之前的LM模块
20:46来做这样一个predict message
20:50你看它得到的也是一个AI message
20:52它也可以通过对话的形式来为我们预测下一条
20:58来自AI人工智能它给出的回复是什么样子的
21:02看到这里大家可能会问
21:04这两个功能感觉是一样的
21:06就是chat model这个聊天模块和LM模块
21:09就是大型媒体模型模块
21:11它们俩功能好像是一模一样的
21:12调用的方法是一模一样的
21:14返回结果也是一模一样的
21:15目前我们来看好像是这样的
21:18但是随着我们继续的学习
21:21大家后面用到的一些特殊的需求的时候
21:26就会发现有的时候我们用LM某块是不足以
21:30来实现我们的一些需求
21:32只有Chat model或者说
21:34不能说只有Chat model吧
21:36只能说Chat model会更方便的来满足我们的需求
21:39尤其是在我们设计代理人
21:42后面会讲到代理人
21:43然后涉及到那个对话的缓存
21:47然后涉及到调用聊天历史记录之类的
21:50这些功能的时候
21:51会发现ChatterModel是一个更好的选择
21:53相对于大型语言模型基础模块来说
22:02接下来我们来讲第二个应用叫链式结构
22:06咱们这个LineChain里面的chain
22:08实际上就是一个链式结构
22:11什么叫链式结构
22:13我们可以把它理解为
22:15我们把一些功能不同的模块
22:19按照某种需求把它们串联起来
22:21变成一条锁链的形式
22:23那么这一条锁链
22:24它本身就已经变成了一个应用这条锁链的形式那么这一条锁链它本身就已经变成了一个应用
22:26这条锁链可能会有一个输出是一个字符串
22:30然后一个输入也是一个字符串
22:33Longchain它整体来讲的话其实就是这个概念
22:38那么为什么需要链式结构呢
22:39首先我们刚才说的是需要方便的连接多个LM模块
22:43但它不一定是LM模块
22:45它可以是各种不同的模块
22:47LM模块只是我们刚才讲到的一个最基础的模块
22:52链式结构可以连接的东西有很多
22:54LM模块是一个
22:56当然它可以连接其他的链式结构
22:58也就是我们把各种不同的链式结构连接起来
23:01然后让它们功能更加丰富
23:03这个会在我们后面的学习中给大家做演示
23:06第二个我们需要强调的就是如何避免去重复定义功能相似的LM模块
23:12什么叫功能相似的LM模块呢
23:15就是说比如说我们有一个模块是给小男孩起名的
23:19那么我们可能还会有另外一个模块是给小女孩起名的
23:22那么它们的功能就比较类似都是起名
23:25唯一不同的就是我们要起名这个对象
23:28它可以是小女孩
23:29可以是小男孩
23:30可以是小狗
23:30小猫
23:31小狮子等等
23:32我们又不想去定义
23:35我们又不想为每一个对象去定义一个这样的模块
23:39那么我们可以需要用到提示模板
23:42也就是prompt template这样一个模块来帮助我们就是说会提到提示模板也就是prompt template这样一个某块来帮助我们
23:46就是说会提供一个模板
23:47比如说我们会有一个起名的模板
23:50那么起名的模板就是说帮我起一个
23:53给谁的小名
23:55那么这个谁就是我们后面可以把它替换成男孩
23:58女孩小狗小猫等等
24:00所以它是一个模板
24:02好
24:02接下来我们来看一下它具体是怎么样一个流程
24:06看到这一段代码就是从Langstone中去引入我们的
24:12这个prompt template
24:13就是我们的提示模板
24:14然后我们新建了一个prompt
24:16也就是提示
24:18这个提示里面的模板的形式是这样的一个形式
24:22给我一个横图
24:23大家听见横上我的花口号对象小名
24:26这里面对象就是我们日后会替换成其他的
24:29比如说小狗小猫小男孩小女孩等等等等的不同的对象
24:32那么这个模板就这样创建好了
24:35然后这个模板创建好之后
24:37我们怎么样把对象给输入进去呢
24:39我们可以看到这里
24:40对象等于小狗
24:41就是说这个时候这个模板就变成了
24:43给我一个横土但是听见横响呼的小狗的小名它就是说这个时候这个模板就变成了给我一个很土
24:45但是听起来欢呼的小狗的小名
24:46它就不再是一个模板
24:47而是一个完整的提示语
24:50对吧
24:51我们可以用其他的对象
24:52比如小狗小猫
24:53然后我们可以在代码里给大家演示
24:57好
24:58这就是我们的
24:59这部分代码是我们跟刚才的演示代码是类似的
25:03都是要首先创建好一个新的某块
25:07我们来运行一下
25:08好 运行好之后
25:09这是我们刚才PPT里面那段代码
25:12我们也来运行一下
25:14它输出的是给我一个横图
25:15但是听起来好像活的小狗的小名
25:18有看到它的format实际上就是说
25:20给你一个提供你对象的机会
25:23然后你把完整的提示语打印出来
25:26那么打印出来这是这样一个提示语
25:29好 我们可以试试把它改成别的
25:31比如说小女孩
25:34出来就是小女孩小明
25:38好 然后这里这部分代码就是我们接下来要使用的
25:48这个chain就是我们刚才所说的链式结构
25:51这个链式结构它的构造模块有两个
25:56一个是一开始的LM模块
25:57这个我们说的是LangChain里面最基础的功能的模块
26:01第二个模块就是刚才的提示模板
26:04这个提示模板把它放进来之后
26:06我们就可以直接使用LMchain
26:09我们先回到PPT给大家做一个概念上的讲解
26:13这是我们刚才的例子
26:16我们看到我们现在是要构造一个
26:20LMchain的这样一个对象
26:22这个对象有两个组成要件
26:23一个是prompt
26:24一个是LM就是�这样一个对象这个对象有两个组成要件一个是Prompt一个是LM
26:26就是语言模型
26:30它的Chain我们创建好之后
26:32怎么样去运行Chain
26:33通过调用它的Run的方法
26:35然后我们看到Run的方法里面
26:36我们输入了一个小狗
26:39我们为什么可以直接输入小狗
26:41因为它的Chain
26:43它里面有一个Prompt
26:44就是我们提示模板
26:45这个模板是接收一个对象对吧
26:47接收一个对象
26:48那么这个chain在运行的时候
26:50我们只提供了这一个参数
26:52那么这个参数就会作为
26:54我们将要给提示模板的对象
26:57好 比如我们把小狗输入进去
26:59提示模板会把它变成一个完整的提示
27:01就给我一个很土
27:02但听起来很好养活的小狗的小名
27:06然后再把这个完整的提示传给它里面的语言模型
27:09然后语言模型会给你一个结果
27:10这里我们就指了一个以大黄为一个例子
27:15它不一定是说大黄
27:16我们一会可以看一下
27:18好 我们来首先创造这个chain
27:22然后我们让它跑一下
27:24然后我们现在输入的是小猫
27:26也就是说我们希望它给我一个很土
27:28但是听起来好养活的小猫的小名
27:31好它给我们的是小拉拉
27:32我不知道这个名字是否是一个很土
27:36但是好养活的小猫的小名
27:37但是人工智能似乎是这样认为的
27:40我们可以让它再给另外一个小咪
27:42这个是比较普遍的小猫的名字
27:42我们可以让他再给另外一个小咪这个是比较普遍的小猫的名字
27:45我们可以把它换成比如说狮子
27:50来试一下
27:53换成狮子
27:53它会给什么
27:54小豆豉
27:56好
27:56就看到我们基本上确定我们换的这个东西是已经起作用了
28:01我们再看一下另外一个
28:03农夫山泉
28:04这段掐掉了
28:11好
28:11让我们继续下一个简单应用
28:13代理人
28:14为什么我们需要代理人
28:16它和我们之前讲过的
28:19链式的模块其实是不太一样的
28:23它的存在的意义在于去解决一些链式模块
28:26它难以独立处理的复杂问题
28:28比如说解决一些复杂的数学计算
28:32或者是去访问互联网得到一些最新的信息
28:37我们知道大型语言模型它本身是不联网的
28:41或者说大部分是不联网的
28:43也就是说它里面的信息
28:46它数据是有限的
28:49我们要怎么样让我们的Lunchain的应用
28:54可以去得到最新的结果
28:57比如说最近发生的一些事件
28:58然后有一些它现有数据里面不存在的信息或者数据
29:04那么这时候需要通过访问互联网
29:06而Luncheon解决这个问题的办法就是
29:08提供了代理人这样一个模块
29:11这个代理人这样的模块
29:13它可以运用众多的工具
29:15这个我们说的
29:16来做来达到它想要达到的目标
29:20代理人的本质
29:22它实际上是对于我们给定他的一个任务
29:25他运用他内部的语言模型,也就是我们的LLM模块
29:30来决定完成这个任务所需要的行为以及实施这些行为的顺序
29:33也就是说,它实际上是有一个类似于人类的思考的一个过程
29:38他思考的方式呢,就是和我们一样
29:42就是说我要实现这样一个目标我需要有哪些步骤
29:47以及我应该以什么样的顺序去完成这个步骤
29:49在完成步骤的过程中
29:51我能否用我现有的工具来实现我的目标
29:55比方说如果我需要访问互联网
29:56那我有没有访问互联网的工具
29:58比如说我要做数学计算
30:00那么我有没有可以做数学计算的工具
30:02如果有的话他们就会选择使用工具
30:06然后来使用工具之后
30:08他会处理使用工具得到的结果
30:10然后开始进行下一个步骤的处理
30:15就以此类推
30:16然后最后实现最终的目标
30:18然后把你给他的任务给完成了
30:20这就是代理人的整个的一个工作流程
30:24好 我们先做一个简单的例子
30:33第二步就是让代理人来使用一些工具
30:37在这里我们让代理人使用LM Math这样一个
30:41可以帮助他进行数学计算的这样一个工具
30:44使用的方式就是这样的
30:45一会我们会在代码示例中给大家详细讲解
30:48第三步就是初始化代理人
30:51我们可以看到在初始化代理人的过程中
30:53我们提供了一些设置参数
30:54首先是他的工具集有哪些工具
30:57就是我们上一步已经给他定义好的工具
30:59然后是我们提前定义好的一个语言模型
31:02对上一个传进去了对吧
31:04然后他的agent就是他代理人的类型
31:08我们这里选用的是ZeroShot React Description
31:11这个具体的代理人模型
31:13我们会在后面的模块拆解的过程中
31:17给大家详细讲解
31:18在这里我们就先暂时不去关心它是什么意思
31:21然后这个repose等于true
31:23就是说你可以去看到代理人他是怎么样
31:28一步一步的去把他的问题给处理好的
31:32好下一步
31:35我们可以看到这里只要通过简单的run
31:37就可以让代理人来解决我们给他提供一个问题
31:42好现在我们看一下代码是什么样的
31:41我们就会遇到同一个问题
31:45好 现在我们看一下代码是什么样的
31:52好 一样的 我们要先加载一下我们的环境面量然后在初始化我们的原模型对象
31:56好 初始化之后我们需要加载我们的数据
31:59加载我们的工具
32:00这个工具是LMS
32:02它是一个专门用来做数学计算的
32:04这样一个代理人工具是LM Math它是一个专门用来做数学计算的这样一个代理人工具
32:08我们这里看到工具加载好之后
32:11我们来用它来初始化代理人
32:14好 初始化代理人好之后
32:15我们这里稍微停一下
32:20为什么呢
32:20因为有人可能会问了
32:22LM应该也可以处理这样的一个数学计算的问题
32:26对吧
32:27就3.5次方是多少
32:29理论上是的
32:30但是我们知道LLM它对于像这种数学计算来说
32:37简单的数学计算它应该是它是没问题的
32:39但是当你涉及到这种3.5次方是多少
32:42这样的数学计算的时候
32:44它给出的答案就往往是比较匪夷所思的
32:47我们可以先试一下
32:50它给出的25的3.5次方是等于这么大一个数字
32:54我觉得这个数字应该是不太准确的
32:57大家可以用计算机验证一下
32:59下面我们用代理人来看一下
33:02他对于这个问题的答案是什么样子的
33:11好 下面已经出来了结果我们看到这些有这样的输出
33:14实际上就是因为我们在上面出示代理人的时候
33:17给他的verbose设置了true
33:18也就是说他会打印出来他的每一步的思考过程
33:22我可以看到这里他说
33:23I need to use the calculator to solve this
33:25我需要用计算器来解决这个问题
33:27他用计算器解决这个问题的话
33:29他选择的action是calculator
33:30就是计算器
33:31我们已经给他提供了LM Math这样一个tool
33:33就是计算器的工具
33:35他就可以使用
33:35使用好之后他得到的答案是这么一个答案
33:38然后他的想法是
33:40我已经有了这个答案
33:41然后最后答案是这个
33:43他把答案告诉你是这个
33:44我们可以拿计算器算一下这个答案然后最后答案是这个他把答案告诉那里是这个
33:45我们可以拿计算器算一下
33:46这个答案是准确的
33:48好
33:49这就是代理人和基本的语言模型
33:53在处理数学问题上它的差距
33:55我们可以看到代理人给出了非常准确的答案
33:57而我们的最基础的语言模型
33:59他就是基本上是胡乱说的一通
34:02基本上是胡乱说的一通
34:11好 我们来看下一个简单应用这个应用是真的比较简单
34:14它就叫聊天记录
34:15英文是Conversation Chain
34:17它实际上也是一个Chain
34:19但是它着重关注的是对话
34:22它的运行方式也比较简单
34:24它只需要提供一个语言模型模块就可以了
34:28然后我们通过RUN来调用它
34:31在这里我们先说了一句你好呀
34:34然后系统会回复你好今天过得如何
34:37然后你再说挺好的你呢
34:39系统会说我过得也棒极了
34:41我们可以看到它实际上是通过不停地调用Rrun这个命令来实现一个你和人工智能对话的
34:48这样一种形式
34:48就类似于chat GPT的感觉
34:51下面我们来看一下代码里面的具体例子
34:56这段代码一样的
34:57我们先加载环境变量
34:59然后我们来初始化一个语言模型对象
35:02然后我们再运行一下
35:06conversation chain的这样一个初始化
35:11以及调用run并且对他说你好呀
35:15我们看到这里面有很多的输出
35:17这个输出是因为我们web browser也是true
35:20然后我们看到他说human就是人类就是咱们
35:23我们说的是你好呀
35:24然后AI回复的是你好
35:26很高兴认识你
35:27我是一个人工智能可以回答你的问题
35:28你有什么问题可以问我
35:29目前来看好像和我们之前的LM语言模型
35:35用法类似
35:37但是现在我们说告诉他
35:39我今天领养一只小猫
35:41然后他会说那真是太棒了
35:45你能告诉我小猫的名字吗
35:47然后我们来说
35:50我暂时还没有有什么好的建议吗
35:58注意看这句里面我们并没有提到
36:00任何小猫或者名字相关的内容
36:02我们只是说有什么好的建议
36:04我们来告诉他
36:07看AI会如何回复我们
36:09他说我想取这名字很大的创意
36:10考虑和你个性相符的名字
36:13他给出的回答是
36:15关于如何给小猫取名字这样一件事情
36:18而注意我们在这里是并没有提到
36:19任何关于小猫和取名字的有关内容
36:22这是因为Conversation Chain
36:24它内部有关于整个对话记录的这样一个
36:29聊天记录这样一个工具
36:32它其实在内部有一个cache一个缓存
36:34把我们的对话AI回答了什么
36:36人类问了什么
36:37所有的内容全部都记下来
36:39所以说当它在处理这个问题的时候
36:44它实际上是有上下文的
36:45它有上下文的话
36:46就可以给出一个符合上下文的回答
36:49你看这里它其实把上下文都已经打出来了
36:52所以这就是对话模型的一个简单的应用
37:02好的 接下来我们和大家一起来阅读一下Lunchain的文档
37:06首先我们想看的是Lunchain的入门教程
37:09点开这个链接之后
37:10我们会进入到Lunchain的入门教程
37:13也就是Quick Start这个界面
37:15在Quick Start中我们看到它实际上是给大家介绍
37:19如何去搭建这个环境
37:20然后如何去搭建一个简单的应用
37:23然后讲解了什么是大型语言模型
37:25它里面的一个基础的模块
37:28然后我们看到它的整个流程
37:30和我们之前的课程讲解的内容是差不多的
37:34然后这部分需要大家有一定的英文阅读的能力
37:39当然也可以通过翻译软件来阅读文档
37:44我觉得阅读这些文档其实还是挺有用的
37:45对于大家掌握 Longchain开发来讲的话
37:50文档其实是大家最需要关注的一个东西
37:55然后它的集成组件
37:57我们可以看到这个链接
37:58这个链接点进去之后
37:59我们会到它的集成组件这里
38:02这里我主要想说的是它的大型语言模型的集成组件
38:05我们在左边的菜单中可以看到
38:08它其实会支持很多的大型语言模型
38:11这里面有一些开源的
38:13比如说GBT for all
38:16然后一些HuggingFace上能储存到的一些模型
38:20大家这里也可以直接用
38:22然后包括Llama
38:23包括OpenAI包括OpenAI
38:25包括OpenLIM这些模型
38:27大家都可以使用
38:29这里有replicate
38:30也就是说你只要在这里看到了integration里面有的东西
38:34然后你又有模型的
38:36比如说API的密钥或者是其他的东西
38:42或者说你有自己的模型
38:44甚至也可以在这里找到的话
38:46那么Luncheon会为你提供一个非常方便的
38:50和这些模型交互的这样一个工具
38:52比较有意思的一点就是我们在这里看到
38:54它还有来自阿里巴巴达摩院的
38:58同意签问这样一个集成组件
39:01同样的你需要同意签问的API Key
39:05然后有了这个之后
39:06你就可以和咱们阿里的同意签问
39:09进行一个简单的交流
39:14再一个就是我们的API文档
39:16API文档我们点去看一下
39:19你看到它实际上是一个非常有利于
39:22我们在写代码的时候
39:24对于一个新的类
39:26不知道该怎么用
39:28对于新的工具不知道它有哪些功能的时候
39:30我们又不想去看原代码
39:31那么看API文档是一个非常有用的工具
39:36比方说我们刚才在例子中用到的
39:39Conversation Chain
39:40我们不知道它具体有哪些功能
39:41那么可以在这边搜索Conversation Chain
39:44然后就看到它给我们索conversation chain
39:46然后就看到它给我们找到conversation chain相关的一些文档
39:49我们点进去
39:51OK
39:52所以它这里就是一个关于这个类别叫
39:54conversation chain
39:55它具体的一些包括事例
39:58包括它在初始化的时候需要提供哪些东西
40:01然后它的一些具体的功能
40:07包括它的一些方法名以及这些返回参数
40:09返回之类型什么的都非常的清晰
40:11所以这是个非常有助于我们在写
40:15LongChain相关代码时候用到的工具
40:16另外一个我想要提的比较有意思的点是
40:18它还支持百度文心
40:19这个链接点开之后
40:21我们会到它的一个百度文心的一个界面
40:26就这儿
40:28但这里和我们之前看的文档其实是两个不一样的文档
40:32大家注意到这个文档这边写Python docs
40:37也就是说这个文档实际上它不是Python docs
40:40也就是说这个文档是Longchain的JavaScript版本的文档
40:46大家看到这边全部都是JavaScript的语法
40:49也就是说Longchain实际上它有两个项目在并行开发
40:52一个是Python项目 一个是JavaScript项目
40:55我们的系列课程会以Python项目为主
40:58不会涉及到JavaScript项目的一些指导
41:02有兴趣的同学可以去看看JavaScript
41:06它的那个Python是如何使用的
41:11好 我们接着看
41:13Langshan文档它最重要的部分就是它的这部分分类文档
41:17所谓分类文档就是它把Langshan的核心模块分成了好几个部分
41:22然后每个部分它都有详细的示例来给你讲解
41:26当然我们这堂课也会在第三章
41:29跟大家进行模块的拆解
41:32然后把里面的具体内容
41:34重要的内容跟大家手把手的学习一下
41:40当然Longchain的文档它也是有一定的局限性的
41:45首先Longchain的开发速度非常的快
41:48文档的内容经常是跟不上
41:50也就是说Luncheon一些新功能
41:52可能你需要去看它的release log
41:54就是它的发那个更新的日志
41:58然后它的文档的内容不一定在更新日志里有
42:02所以它文档经常是之后
42:04再一个就是文档结构的逻辑关系不是特别清晰
42:07需要跳着看
42:08我觉得这个问题其实比较严重
42:11因为LangQian里面的各个模块之间的关系
42:15其实是千丝万缕的
42:16它很难有一个层层递进的这样逻辑关系让你去学习
42:21所以说大家在看这个LangQian的文档的时候
42:24可能需要做笔记然后联系上下文
42:29才能知道它具体讲的是什么东西
42:31第三点就是文档里面有些重复出现的失利
42:34影响阅读效率
42:35这和第四点一样
42:37文档里面经常会有失利的新闻消失很不方便
42:39就这两点让我非常的头疼
42:42首先我们准备视频的时候
42:44有很多之前我们学习Longain在教程里看到过的实例
42:49我现在在文档里找不到
42:51这个就非常让人头痛
42:53所以建议大家如果有能力的话
42:56还是可以去看它的原代码
42:58毕竟原代码比文档还是要清晰清楚的多
43:02大家把文档作为一个学习的参考资料
43:05正是因为Luncheon的文档具有这些局限性
43:08在很多时候我们在开发过程中
43:10需要去阅读Luncheon的原代码
43:13才能解决我们想要的解决的问题
43:17那么阅读Luncheon的原代码
43:18我们有两种方式
43:19第一种就是直接去GitHub
43:21也就是它的官方的代码库去看
43:26打开Github
43:30OK
43:33好像我的链接需要更新一下我们可以看在这里面
43:36大家可以去找自己想要找的任何的代码
43:40Python原码
43:41光线当前原码全部在这
43:43这种方式是我不太建议的
43:46因为你可能会漫无目的去寻找
43:48倒不如用我们之前提到的API文档
43:51可能还来得快一些
43:52然后第二种方式就是在VS Code中
43:55利用代码跳转功能来查看它的原代码
43:58这里我们给大家举一个例子
43:59以我们之前用到的代理人的这段代码为例
44:06在这段代码中我们使用了loadtools这个函数
44:11然后告诉他我们要用llm math这样一个工具来初始化它
44:19那么我在写这段代码时候就有一个问题
44:22我怎么知道llm math是一个合适的名字
44:28或者说它是一个可以用的名字呢
44:30除此之外有没有什么其他的名字呢
44:32关于这个问题我在Luncheon的文档中是没有找到答案的
44:38所以我就通过VSCode的代码跳转功能
44:43如果你是用MacBook的话
44:45那么当你按住Command键在点击这个时候
44:48你可以跳转到这个函数的定义
44:50非常方便
44:51那么我先加点到loadtools
44:53看他到底在干什么
44:54好
44:56我们看到loadtools他接收的是一个字符串的list
45:03那么它叫tool names
45:05那么看这个tool names
45:06它在里面是怎么用的
45:08好
45:08在这里是做一个循环
45:10然后对于它里面的每个name
45:12它先做一个判断
45:13是不是等于request
45:14是不是等于request all
45:16然后再看是不是name是不是在某一个
45:20这点里面
45:22OK
45:23所以我们点开看看这些分别都是什么东西
45:27Basic tools
45:28好的
45:29我们看到它是有很多的字符串到某一个callable的
45:35这样一个对象的一个映射
45:37那么这里我们没有看到有LLM math
45:40所以我们就先往回走
45:42那么再看接下来看LLM tools
45:44我们在LLM tools里面找到了LLM math所以我们就先往回走那么再看接下来看lm tools
45:48我们在lm tools里面找到了lm math
45:50加了一个字符串
45:54那么对应的我们会有open material API
45:56我现在不太知道这个东西干什么的
46:00但是我知道这个是我可以使用的另外一个LangTang内置的这样一个工具
46:03我通过就使用它的名字把LM Math换成OpenMaterial API
46:07我就可以让代理人使用另外一个LangTan自带的工具
46:12这个就非常方便
46:14像这种知识我在文档里是没有找到的
46:17当然如果你能在文档里找到的话那就非常好
46:20但是我是通过元码去阅读元码
46:23来了解到这样一个知识的
46:25所以阅读圆码的重要性也是不容忽视的
46:29好 回到我们的PPT
46:33这堂课内容已经接近尾声了
46:36在课程结束之前
46:38我希望大家可以在这堂课之后
46:44去阅读一下Luncheon的文档
46:47主要是它的教程部分
46:49看看作为我们这堂视频课程的一个补充
46:53另外我希望大家可以选择性的去阅读文档的
46:57关于模块部分的讲解
46:59这样会对我们在下一章的课程开始之前
47:03有一个心理上的认识
47:05然后也做好一个预习
47:07好
47:08然后
47:09今天的课就到这里
47:11谢谢大家
47:12也希望大家能够享受
47:14Lunchain这门课程的学习
47:16好
47:16我们下次再见
Browse More Related Video
5.0 / 5 (0 votes)
