粤ICP备17114055号
微信扫码
与创始人交个朋友
支持私有云部署
我要投稿
背景
LangChain 提供了强大的框架和工具，使得开发者可以轻松地自定义和封装大型语言模型（LLM）。通过使用 LangChain，开发者可以突破对 OpenAI API Key 的依赖，并实现更加个性化和灵活的 LLM 应用。比如，我们有个很新很新的LLM，langchain还未提供对应的集成支持，如何在尽可能不修改原项目代码的情况下，封装自定义的大语言模型（LLM）模块呢？本文的目的就是带你一起探索如何利用langchain库快速封装自定义的LLM。自定义LLM常用于以下场景：
1. 用于封装langchain尚未支持的大型语言模型。对于新模型或者还未集成的模型自己封装实现支持。
2. 模拟测试。假设有个模型调用成本高，但是我们知道这个模型对于特定的输入大概返回什么样的结果，那么我们可以封装个自定义LLM，比如MOCK一个模块来模拟真实的模块，这样就无需每次耗费大量的token去从最开始的入口调用LLM。
3. 定义LLM模块被调用的时候，如何根据输入的文本来输出。这个就是定制自己调用的LLM方法。
实现思路
从实现的角度，我们依然是依照LLM的输入输出框架来定义，如下：
my_custom_llm = MyCustomLLM()print(my_custom_llm("你好啊！"))需要继承 langchain_core.language_models.llms.LLM
简单示例
from typing import Any,List,Mapping,Optionalfrom langchain.llms.base importLLMfrom langchain.callbacks.manager importCallbackManagerForLLMRunclass MyCustomLLM(LLM):def _llm_type(self) -> str:return "傻傻的LLM"def _call(self,prompt: str,stop: Optional[List[str]] = None,run_manager: Optional[CallbackManagerForLLMRun] = None,**kwargs: Any,) -> str:if stop is not None:raise ValueError("stop kwargs are not permitted.")return "怎么啦？"llm = MyCustomLLM()print(llm("你好"))print(llm("你怎么那么多问题？"))
答复：
怎么啦？怎么啦？
53AI，企业落地应用大模型首选服务商
产品：大模型应用平台+智能体定制开发+落地咨询服务
承诺：先做场景POC验证，看到效果再签署服务协议。零风险落地应用大模型，已交付160+中大型企业
2024-11-13
只需8步，手把手教你用LangGraph创建AI智能体
2024-11-13
使用 LangChain 建立一个会话式的 RAG Agent 系统
2024-11-12
一文深度了解Agent智能体以及认知架构
2024-11-12
使用LangChain建立检索增强生成（RAG）系统
2024-11-11
Qwen-Agent 核心点说明
2024-11-11
吴恩达分享五个AI趋势，重点谈了多AI代理的美好前景
2024-11-11
使用 LangChain 构建一个 Agent（智能体/代理）
2024-11-10
使用 LangChain 构建一个有记忆的聊天机器人
2024-08-18
2024-04-08
2024-06-03
2024-04-08
2024-04-17
2024-06-24
2024-04-12
2024-04-10
2024-07-01
2024-04-11
2024-10-30
2024-10-11
2024-08-18
2024-08-16
2024-08-04
2024-07-29
2024-07-28
2024-07-27
回到顶部