【LangChain】与文档聊天：将OpenAI与LangChain集成的终极指南

欢迎来到人工智能的迷人世界，在那里，人与机器之间的通信越来越模糊。在这篇博客文章中，我们将探索人工智能驱动交互的一个令人兴奋的新前沿：与您的文本文档聊天！借助OpenAI模型和创新的LangChain框架的强大组合，您现在可以将静态文档转化为交互式对话。

你准备好彻底改变你使用文本文件的方式了吗？然后系好安全带，深入了解我们将OpenAI与LangChain集成的终极指南，我们将一步一步地为您介绍整个过程。

什么是LangChain？

LangChain是一个强大的框架，旨在简化大型语言模型（LLM）应用程序的开发。通过为各种LLM、提示管理、链接、数据增强生成、代理编排、内存和评估提供单一通用接口，LangChain使开发人员能够将LLM与真实世界的数据和工作流无缝集成。该框架允许LLM通过合并外部数据源和编排与不同组件的交互序列，更有效地解决现实世界中的问题。

我们将在下面的示例应用程序中使用该框架从文本文档源生成嵌入，并将这些内容持久化到Chroma矢量数据库中。然后，我们将使用LangChain在后台使用OpenAI语言模型来查询用户提供的问题，以处理请求。

这将使我们能够与自己的文本文档聊天。

设置项目

创建一个新的项目文件夹并安装以下Python包：

pip install langchain openai chromadb tiktoken

命令pip-install langchain openai chromadb tiktoken用于使用Python包管理器pip安装四个Python包。每个包都有特定的用途，它们共同帮助您将LangChain与OpenAI模型集成，并管理应用程序中的令牌。让我们对所涉及的程序包进行细分：

1. langchain：这个包是主要的langchain库，它有助于与OpenAI模型无缝集成，以创建与文本文档的交互式聊天体验。
2. openai：这是openai API的官方Python包，使您能够使用openai提供的强大语言模型，例如GPT-4。
3. chromadb:ChrmaDB是一个轻量级、高性能、无模式的矢量数据库，专为人工智能应用程序设计。它允许您存储、检索和管理LangChain和OpenAI支持的文档聊天应用程序所需的矢量数据（嵌入）。
4. tiktoken：tiktoken是OpenAI提供的一个实用程序库，它可以帮助您计算和管理文本字符串中的标记，而无需进行API调用。这对于监控令牌使用情况、保持在API限制内以及有效地使用OpenAI的模型都很有用。

通过执行此命令，您可以安装所有必要的软件包，以开始构建和部署使用OpenAI的LangChain的文本文档聊天应用程序。

将以下两个文件添加到项目文件夹中：

touch init_vectorstore.py ask.py

此外，我们还将一个txt文档添加到项目中。对于本文的示例，国情咨文文本添加为State_of_the_Union.txt，如您所见：

让我们开始将以下Python代码添加到文件init_vectorstore.py中。

该代码读取文本文档，将其拆分为更小的块，并使用OpenAI模型生成嵌入。然后，它创建并持久化一个包含嵌入和相关元数据的Chroma数据库。这允许有效地存储和检索文档嵌入，用于人工智能驱动的文本分析和交互。

from langchain.embeddings.openai import OpenAIEmbeddings
from langchain.text_splitter import CharacterTextSplitter
from langchain.vectorstores import Chroma

import os
os.environ["OPENAI_API_KEY"] = "[INSERT YOUR OPEN AI API KEY HERE]"

with open("state_of_the_union.txt") as f:
    state_of_the_union = f.read()

text_splitter = CharacterTextSplitter(chunk_size=1000, chunk_overlap=0)
texts = text_splitter.split_text(state_of_the_union)

embeddings = OpenAIEmbeddings()

docsearch = Chroma.from_texts(texts, embeddings, metadatas=[{"source": f"Text chunk {i} of {len(texts)}"} for i in range(len(texts))], persist_directory="db")

docsearch.persist()
docsearch = None

以下是对代码的逐步描述：

1. 导入必要的库和模块：
   • langchain.embeddings.openai中的openai嵌入，以使用openai模型并生成嵌入。
   • 来自langchain.text_splitter的CharacterTextSplitter，用于将输入文本拆分为更小的块。
   • langchain.vectorstores中的Chroma，用于创建Chroma数据库以存储嵌入和元数据。
   • 用于处理环境变量的操作系统。
2. 使用os.environ将OpenAI API密钥设置为环境变量。要获取您的OpenAI API密钥，请在OpenAI的官方网站注册帐户(https://www.openai.com/)。一旦您的帐户获得批准，请导航到帐户设置或仪表板下的API密钥部分。你会在那里找到你唯一的API密钥，你可以用它来访问OpenAI的模型和服务。
3. 打开“state_of_the_union.txt”文件的内容并将其读取到一个名为state_of_the_union的变量中。
4. 创建一个CharacterTextSplitter实例，其chunk_size为1000个字符，chunk_overlap为0，这意味着块之间没有重叠的字符。
5. 使用text_splitter实例的Split_text方法将state_of_the_union文本拆分为块。
6. 创建一个名为embeddings的OpenAIEmbeddings实例，以使用OpenAI模型生成文档嵌入。
7. 使用from_texts（）方法实例化Chroma对象，该方法采用以下参数：
   • texts：前面生成的文本块。
   • embeddings：用于生成嵌入的OpenAIEmbeddings实例。
   • 元数据：每个文本块的元数据字典列表。
   • persist_directory：存储Chroma数据库的目录（在本例中为“db”）。
   • 8.使用Persist（）方法将Chroma对象持久化到指定的目录。
   • 9.将docsearch变量设置为None以将其从内存中清除。

总之，此代码读取文本文档，将其拆分为更小的块，使用OpenAI模型生成嵌入，使用生成的嵌入和元数据创建Chroma数据库，并将数据库保存到指定的目录中以备将来使用。

让我们运行以下代码，通过使用以下命令为Chroma矢量数据库创建嵌入内容：

python init_vectorstore.py

然后，您应该会收到以下输出：

在您的项目文件夹中，您应该能够找到一个包含一些内容的数据库子文件夹。

与文本文档交互

让我们用文件ask.py中的文本文档实现交互逻辑。下面的代码演示了如何使用LangChain、OpenAI模型和包含嵌入的Chroma数据库创建问答（QA）系统。Chroma矢量数据库已经在最后一步中与我们的内容一起准备好了，因此我们现在准备好利用它：

from langchain.chains import RetrievalQAWithSourcesChain
from langchain import OpenAI
from langchain.vectorstores import Chroma
from langchain.embeddings.openai import OpenAIEmbeddings

import os
os.environ["OPENAI_API_KEY"] = "[INSERT YOUR OPEN AI API KEY HERE]"

embeddings = OpenAIEmbeddings()

docsearch = Chroma(persist_directory="db", embedding_function=embeddings)

chain = RetrievalQAWithSourcesChain.from_chain_type(OpenAI(temperature=0), chain_type="stuff", retriever=docsearch.as_retriever())

user_input = input("What's your question: ")

result = chain({"question": user_input}, return_only_outputs=True)

print("Answer: " + result["answer"].replace('\n', ' '))
print("Source: " + result["sources"])

以下是代码的说明：

1. 导入必要的库和模块，包括RetrievalQAWithSourcesChain、OpenAI、Chroma和OpenAI嵌入。
2. 使用os.environ将OpenAI API密钥设置为环境变量。
3. 创建一个名为embeddings的OpenAIEmbeddings实例，以使用OpenAI模型生成文档嵌入。
4. 使用persist_directory参数（存储先前创建的Chroma数据库的位置）和embedding_function参数（embeddings实例）实例化Chroma对象。
5. 使用from_chain_type（）方法创建RetrievalQAWithSourcesChain实例。此实例采用以下参数：
   • OpenAI（temperature=0）：具有指定温度设置的OpenAI类的实例。
   • chain_type=“stuff”：要创建的链的类型（在本例中为“stuff“）。
   • retriever=docsearch.as_retriever（）：retriever对象，它是使用as_retriever（）方法转换为retriever的Chroma实例。
6. 使用input（）函数提示用户输入问题。
7. 将用户的问题传递给QA系统（链实例）并检索结果。
8. 打印答案和答案来源，并从答案文本中删除换行符。

总之，这段代码使用LangChain、OpenAI模型和Chroma数据库创建了一个简单的QA系统。它提示用户提出问题，使用QA系统处理问题，并返回答案及其来源——让我们看看它的实际操作。使用启动脚本

python ask.py

然后要求您输入问题：

输入与国情咨文文本的任何内容相关的问题，例如：

然后，您将收到答案以及用于从中检索必要信息的文本块的源信息。

这使我们现在可以通过在后台使用OpenAI的语言模型来询问与文本文档相关的任何问题。

结论

OpenAI模型和LangChain的强大结合为改变我们与文本文档的交互方式开辟了新的可能性。正如我们在本指南中所展示的，集成这些尖端技术从未如此容易。