langchain中的chat?models介紹和使用實(shí)例

更新時(shí)間：2023年11月10日 08:39:23 作者：flydean

這篇文章主要介紹了langchain中的chat?models介紹和使用實(shí)例詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪

簡介

之前我們介紹了LLM模式，這種模式是就是文本輸入，然后文本輸出。

chat models是基于LLM模式的更加高級(jí)的模式。他的輸入和輸出是格式化的chat messages。

一起來看看如何在langchain中使用caht models吧。

chat models的使用

首先langchain對(duì)chat models下支持的模型就少很多了。一方面是可能有些語言模型本身是不支持chat models的。另外一方面langchain也還是在一個(gè)發(fā)展中的過程，所以有些模型還需要適配。

目前看來langchain支持的chat models有：ChatAnthropic,AzureChatOpenAI,ChatVertexAI,JinaChat,ChatOpenAI和PromptLayerChatOpenAI這幾種。

langchain把chat消息分成了這幾種：AIMessage, HumanMessage, SystemMessage 和 ChatMessage。

HumanMessage就是用戶輸入的消息，AIMessage是大語言模型的消息，SystemMessage是系統(tǒng)的消息。ChatMessage是一種可以自定義類型的消息。

在使用的時(shí)候，只需要在chat中傳入對(duì)應(yīng)的消息即可：

from langchain.chat_models import ChatOpenAI
chat = ChatOpenAI()
messages = [
    SystemMessage(content="你是一個(gè)小說家"),
    HumanMessage(content="幫我寫篇小說")
]
chat(messages)

當(dāng)然和LLM一樣，你也可以使用批量模式如下：

batch_messages = [
    [
        SystemMessage(content="你是一個(gè)小說家"),
        HumanMessage(content="幫我寫篇小說")
    ],
    [
        SystemMessage(content="你是一個(gè)詩人"),
        HumanMessage(content="幫我寫首詩")
    ],
]
result = chat.generate(batch_messages)
result

chat models的高級(jí)功能

其實(shí)和LLM類似，基本上LLM有的高級(jí)功能chat models都有。

比如有用的比如緩存功能，可以緩存之前的輸入和輸出，避免每次都調(diào)用LLM，從而可以減少token的開銷。

以InMemoryCache為例子：

from langchain.cache import InMemoryCache
langchain.llm_cache = InMemoryCache()
# 第一次調(diào)用，不是用cache
llm.predict("Tell me a joke")
# 第二次調(diào)用，使用cache
llm.predict("Tell me a joke")

除了InMemoryCache,langchain還支持FullLLMCache,SQLAlchemyCache,SQLiteCache和RedisCache等等。

同樣的，chat models也是支持流模式的：

from langchain.chat_models import ChatOpenAI
from langchain.schema import (
    HumanMessage,
)
from langchain.callbacks.streaming_stdout import StreamingStdOutCallbackHandler
chat = ChatOpenAI(streaming=True, callbacks=[StreamingStdOutCallbackHandler()], temperature=0)
resp = chat([HumanMessage(content="幫忙我寫首詩")])

只需要在構(gòu)建ChatOpenAI的時(shí)候，把StreamingStdOutCallbackHandler傳入callbacks即可。

如果要在chat models中使用PromptTemplate，因?yàn)閏hat models的消息格式跟LLM是不一樣的，所以對(duì)應(yīng)的PromptTemplate也是不一樣的。

和對(duì)應(yīng)的chat models消息對(duì)應(yīng)的PromptTemplate是ChatPromptTemplate,SystemMessagePromptTemplate,
AIMessagePromptTemplate和HumanMessagePromptTemplate。

我們看下是如何使用prompt template來構(gòu)建prompt:

from langchain import PromptTemplate
from langchain.prompts.chat import (
    ChatPromptTemplate,
    SystemMessagePromptTemplate,
    AIMessagePromptTemplate,
    HumanMessagePromptTemplate,
)
# 構(gòu)建各種prompt
template="You are a helpful assistant that translates {input_language} to {output_language}."
system_message_prompt = SystemMessagePromptTemplate.from_template(template)
human_template="{text}"
human_message_prompt = HumanMessagePromptTemplate.from_template(human_template)
chat_prompt = ChatPromptTemplate.from_messages([system_message_prompt, human_message_prompt])
# 使用format_prompt把prompt傳給chat
chat(chat_prompt.format_prompt(input_language="English", output_language="French", text="I love programming.").to_messages())

chat models下消息構(gòu)建確實(shí)比直接使用LLM要復(fù)雜點(diǎn)，大家在使用的時(shí)候需要注意。