适合于go语言开发者的AIGC开发技巧-langchain的应用-原创手记-慕课网

本文用的是ChatGPT为示例，如果你无法注册也可以应用文心一言作为示例，langchainGo也支持

1. AIGC

自从ChatGPT的横空出世开始，点燃了各大行业对于AI的探讨和研究，而其中AIGC是其中的核心话题之一，现如今很多的网站系统均有应用AIGC的示例，比如掘金就应用了AIGC辅助我们对于文章的阅读。

然对于该话题暂且就到这，我们的核心问题是go语言如何进行AIGC的开发。

2. 应用程序与ChatGPT的开发基本方式

2.1 AIGC使用

在我们平常的使用中主要是基于现有的Chat界面，然后向其输入提示词让AI根据提示词完成对应事项。

在这个过程中输入是：字符串【提示词】、输出：字符串【提示词】

2.2 应用程序与ChatGPT开发

应用程序只是将我们向ChatGPT提问的过程用程序处理，因此在输入和输出上仍然是以字符串进行交互。

但如果是无序的字符串则对于程序而言则无疑增加开发难点，在传统的API接口开发中均会约定最基础的数据结构比如

要求传递：

{
	"id": xxx
}

确定输出

{
  "id": xxx,
  "name": "langchainGo"
}

AI是智能的，我们可以在发送的提示词中要求AI给我们返回以json格式的数据，这样我们就可以从中解析出自己所需要的数据。

比如如下示例：

2.3 总结

因此在应用程序与ChatGPT进行对接开发中

输入：字符串
输出：字符串
要求：我们需要自己指定输出的数据格式，最好可以被程序以特定格式解析如json格式
在与ChatGPT的开发中，我们需要自己定义目标的输出数据格式，此项依据自己的项目定义。

3. openai - sdk

对于大模型的调用我们以ChatGPT为示例，下载如下的sdk即可开发

func Test_OpenAIText(t *testing.T) {
    // 配置
    gptCfg := openai.DefaultConfig(apiKey)
    gptCfg.BaseURL = url
    
    // 客户端
    client := openai.NewClientWithConfig(gptCfg)
    
    // 请求
    res, err := client.CreateCompletion(context.Background(), openai.CompletionRequest{
        Model:     openai.GPT3Dot5TurboInstruct,
        MaxTokens: 5,
        Prompt:    "hello world",
    })
    
    if err != nil {
        t.Fatal(err)
    }
    
    t.Log(res)
}

4. langchainGo

langchain我们可以将其理解为是一款框架也可以理解为是一个组件，它是一种方案用于解决应用程序与AI的应用开发交互过程中的问题。

它总共有如下几个核心模块

Agents（代理）：主要的事项是以LLM作为驱动，期望让大模型自己可以调用内部或者外部的工具
Chains（链）：可以认我们将多个组件组合在一起使用，以应对特殊场景的功能
Indexes（索引 -）：许多LLM应用中特定数据并不在模型训练集中，Langchain提供了加载、转化、存储和查询数据的构建块【可以理解为是本地知识库】 DocumentLoaders、VectorStores、Retrievers
Memory（记忆存储）: 用于在链直接存储和传递信息，实现对话上下文感知能力
Models（模型）：包含各大语言模型的 LangChain 接口和调用细节，以及输出解析机制。
Prompts（提示工程）：理论上可以划分与Models中，提示模板的目标是使跨不同模型重用提示变得容易。它们允许将提示工程与模型调用分开。借助对自定义模板的支持，您可以根据用例的需要灵活地参数化和格式化提示。
Callback：LangChain提供了一个回调系统，允许开发者在LLM应用的各个阶段对状态进行干预。有点类似于事件。

4.1 使用

你只需要下载langchainGo的依赖包即可

go get github.com/tmc/langchaingo

简单案例

import (
    "context"
    "testing"
    "github.com/tmc/langchaingo/llms"
    "github.com/tmc/langchaingo/llms/openai"
)

func TestLLM_text(t *testing.T) {
    url:= "" // 可以不提，如果用代理则需要填写
    apiKey := "" // key
    
    ctx := context.Background()
    //llm, err := ernie.New(ernie.WithAKSK("", ""))
    llm, err := openai.New(openai.WithBaseURL(url), openai.WithToken(apiKey))
    if err != nil {
        t.Fatal(err)
    }
    prompt := "我很帅气对吗"
    text, err := llms.GenerateFromSinglePrompt(ctx, llm, prompt)
    NoError(t, err)
    
    t.Log(text)
}

我们以前面具的例子用langchainGo实现

package main

import (
	"context"
	"fmt"
	"github.com/tmc/langchaingo/callbacks"
	"github.com/tmc/langchaingo/chains"
	"github.com/tmc/langchaingo/llms/openai"
	"github.com/tmc/langchaingo/outputparser"
	"github.com/tmc/langchaingo/prompts"
)

func main() {
	url := "https://api.aiproxy.io/v1"
	apiKey := ""

	ctx := context.Background()

	llm, err := openai.New(openai.WithBaseURL(url), openai.WithToken(apiKey))
	if err != nil {
		panic(err)
	}

	// 定义要求大模型返回的数据格式
	output := outputparser.NewStructured([]outputparser.ResponseSchema{
		{
			Name:        "city",
			Description: "城市",
		}, {
			Name:        "temperature",
			Description: "气温",
		}, {
			Name:        "weather",
			Description: "天气",
		},
	})
	// output会根据指定的内容生成要求大模型根据指定格式返回的提示词，与基础提示词拼接就是最终提示词
	template := "请问今天{{.input}}天气怎么样" + output.GetFormatInstructions()
	fmt.Println("提示词：", template)
	// 这是组成用户问题的基础提示词，其中city则是可代替的内容
	prompt := prompts.NewPromptTemplate(template, []string{"input"})
	// callback是langchain中的事件，可以打印出其中交互的提示词
	callback := callbacks.LogHandler{}
	chain := chains.NewLLMChain(llm, prompt, chains.WithCallback(callback))
	// 运行
	res, err := chains.Call(ctx, chain, map[string]any{
		"input": "长沙",
	})
	if err != nil {
		panic(err)
	}

	fmt.Println("结果: ", res)
}

运行结果

D:\01.project\01.go\src\gitee.com\dn-jinmin\scenario\07.langchain>go run .
提示词： 请问今天{{.input}}天气怎么样The output should be a markdown code snippet formatted in the following schema:
```json
{
        "city": string // 城市
        "temperature": string // 气温
        "weather": string // 天气
}

Entering chain with inputs: “input” : “长沙”,
Exiting chain with outputs: “text” : “json { "city": "长沙", "temperature": "28°C", "weather": "多云" }”,
结果: map[text:```json
{
“city”: “长沙”,
“temperature”: “28°C”,
“weather”: “多云”
}


D:\01.project\01.go\src\gitee.com\dn-jinmin\scenario\07.langchain>