浅学LangChain框架（环境配置及成功运行）

最新推荐文章于 2025-06-28 10:50:17 发布

图灵的白猫

最新推荐文章于 2025-06-28 10:50:17 发布

阅读量301

点赞数 12

CC 4.0 BY-SA版权

文章标签： langchain python

本文链接：https://blog.csdn.net/m0_66218492/article/details/146329111

Chat Elements构建聊天界面

# 1. 导入streamlit模块
import streamlit as st

# 2. 给界面添加一个侧边栏（导航）
with st.sidebar:
    st.write('请输入Tongyi的API Key：')
    api_key = st.text_input('', type='password')

# 3. 内容区设计
st.markdown('### 通义聊天机器人')
st.divider()

# 4. 设计一个文本输入框，获取用户的prompt
prompt = st.chat_input("请输入您的问题：")

# 用户信息
with st.chat_message("user"):
    st.write("Hello")

# 机器人信息
message = st.chat_message("assistant")
message.write("Hello human")

LangChain框架概述和组成

图片转自黑马

下载对应Python模块

pip install langchain -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install langchain-community -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install dashscope -i https://pypi.tuna.tsinghua.edu.cn/simple

配置Path环境变量

在这里插入图片描述

案例_文本扩写案例

  # 1. 导入Tongyi模型
from langchain_community.llms import Tongyi

# 2. 定义一个prompt提示词
prompt = "从前有座山，山里有座庙"

# 3. 实例化Tongyi模型
llm = Tongyi(
    model = "qwen-max",
    # 如果配置了Path环境变量, 可以省略不写 dashscope_api_key, Mac本如果出问题, 可以把参数写为: api_key
    dashscope_api_key = "sk-68130f72b3144e2f886ab07660a212b4"
)

# 4. 发送请求
result = llm.invoke(prompt)

# 5. 返回最终结果
print(f"提示词：{prompt}")
print(f"最终结果：{result}")

案例_代码生成案例

# 1. 导入相关包.
from langchain_community.llms import Tongyi

# 2. 初始化模型.
llm = Tongyi(
    model = 'qwen-max'
)

# 3.定义提示词.
prompt = """
请为一下功能生成一段Python代码: 求两个数的最大公约数
"""

# 4. 调用模型生成代码.
result = llm.invoke(prompt)

# 5. 打印结果.
print(result)