Langchain是一个框架，用于开发应用程序，这些应用程序由大语言模型提供支持。
一、简单介绍LangChain
LangChain is a framework for developing applications powered by large language models(LLMs).
开发：可以使用LangChain的开源building blocks和组件构建应用。
生产：可以使用LangSmith检查、监督以及评估你的chain。
部署：可以使用LangServer把chain转化为API。
我们知道很多大语言模型，包括开源的LLaMA系列、通义千文、GLM系列等，非开源的GPT系列、Claude系列、Gemini系列等。那么我们如何使用这些大模型构建应用呢？
LangChain就是一个很好的工具。接下来，将简单介绍如何使用LangChain。
二、如何使用LangChain？（以通义千问为例）
2.1 安装
可以使用conda创建一个虚拟环境，方便管理。
conda create -n your_env_name python=3.10
conda activate your_env_name
之后安装LangChain，
pip install langchain
对于大语言模型来说，jupyter能够更好的调试，所以建议安装jupyter。接下来，让我们看下如何使用LangChain调用通义千问的模型。
2.2 简单案例
2.2.1 简单介绍通义千问
它是由阿里达摩院开发的大预言模型，可以在modelscope在线体验。
2.2.2 准备
你需要申请一个api-key（点击这里跳转）。大多数大语言模型都需要申请，有些需要付费，选择通义千问的原因之一就是因为它目前不要钱，白嫖真香。如下图所示
2.2.3 开始吧
先安装一个包（pip 贯穿整个学习过程），不过我发现这个包好像已经安装过了😓。试一下吧，运行说缺少包的再安装。
pip install --upgrade --quiet dashscope（这个dashscope是用来调用通义模型的）
接下来，就跟着我在jupyter中逐步执行吧
from getpass import getpass
DASHSCOPE_API_KEY = getpass()
执行上述代码后，会弹出来一个框让你输入API-KEY，把上一步申请到的KEY复制到里边就行了。
import os
os.environ["DASHSCOPE_API_KEY"] = DASHSCOPE_API_KEY
设置环境变量
from langchain_community.llms import Tongyi
Tongyi().invoke("LangChain是什么?")
让后就可以调用了。😊
下面是答案：
‘LangChain是一个开源的自然语言处理库，由Galactica团队开发，旨在为研究人员和开发者提供一个灵活、可扩展的框架，用于构建和实验各种自然语言处理任务的模型。LangChain支持多种语言和模型架构，并且可以与Hugging Face的Transformers库等其他工具集成。它允许用户轻松地组合不同的预训练模型和组件，以实现复杂的自然语言处理工作流。LangChain的目标是促进自然语言处理领域的创新和研究，同时降低开发者的入门门槛。’
怎么样，还算简单哈。
2.2.4 Chain
接下来，更进一步，让我们用提示模板来指导其进行相应。提示模板可以将我们的输入更好的告诉大模型。
from langchain_core.prompts import PromptTemplate
llm = Tongyi()
定义一个模板，你可以对答案提一些要求，或者给它一些引导，比如说它现在是一个XX身份来回答你的问题。 – 怪好玩的😏
template = """Question: {question}
Answer: 答案不超过十个字."""
prompt = PromptTemplate.from_template(template)
组合成一个chain
chain = prompt | llm
让后再看一下答案
question = "LangChain是什么?"
chain.invoke({"question": question})
下面是答案
‘LangChain是一个自然语言处理的框架。’
有点尴尬，超过10个字了，不过它确实变短了。
总结
感觉短时间内没有办法把LangChain理解清楚，我自己也是一头雾水，不过接下来我会继续探索，相信随着学习的深入，会对LangChain有一个全面的认识。
文章若有错误的地方，欢迎批评指正。