Day 76：【99天精通Python】AI 进阶 - LangChain 入门 - 给 AI 挂载“外脑“-编程实验室

Day 76：【99天精通Python】AI 进阶 - LangChain 入门 - 给 AI 挂载"外脑"

前言

欢迎来到第76天！

在昨天的课程中，我们直接调用了 OpenAI 的 API。虽然它很聪明，但它有两个致命缺点：

知识滞后：它只知道训练截止日期之前的事情（比如 GPT-3.5 截止到 2021 年）。
私有数据盲区：它不知道你公司的内部文档，也不知道你昨天写的日记。

为了解决这个问题，我们需要LangChain。
LangChain 是目前最火的 LLM 开发框架。它可以把大模型（大脑）与外部数据源（书籍、PDF、数据库）连接起来，实现RAG (检索增强生成)。简单说，就是让 AI 先去翻书，翻到了再回答你。

本节内容：

LangChain 核心概念
模型 (Model) 与提示词模板 (PromptTemplate)
链 (Chain) 的概念
加载本地文档 (Loader)
向量数据库与检索 (VectorStore & Retriever)
实战练习：本地文档问答机器人

一、环境准备

LangChain 更新极快，建议安装最新版。

pipinstalllangchain langchain-openai chromadb pypdf

二、Model 与 Prompt

2.1 初始化模型

LangChain 封装了各种模型的接口，让我们切换模型像换衣服一样简单。

fromlangchain_openaiimportChatOpenAI# 初始化模型 (支持换成文心一言、通义千问等，只要有对应类)llm=ChatOpenAI(api_key="sk-...",base_url="...",temperature=0.7)# 直接调用# resp = llm.invoke("你是谁？")# print(resp.content)

2.2 提示词模板 (PromptTemplate)

我们不希望每次都手写 “请帮我翻译…”，我们可以定义一个模板，挖好坑填参数。

fromlangchain_core.promptsimportChatPromptTemplate# 定义模板prompt=ChatPromptTemplate.from_template("请将下面的文字翻译成{language}：{text}")# 填充参数messages=prompt.format_messages(language="法语",text="你好，世界")# print(messages)

三、链 (Chain)：LangChain 的灵魂

Chain 把 Prompt、Model 和 OutputParser 串联起来。
LangChain 使用LCEL (LangChain Expression Language)语法，用|管道符连接。

fromlangchain_core.output_parsersimportStrOutputParser# 1. Promptprompt=ChatPromptTemplate.from_template("给我讲一个关于{topic}的笑话")# 2. Modelmodel=ChatOpenAI(api_key="...")# 3. Parser (把对象转为纯字符串)parser=StrOutputParser()# 4. 组装链条chain=prompt|model|parser# 5. 运行res=chain.invoke({"topic":"程序员"})print(res)

四、RAG 实战：让 AI 读懂你的 PDF

RAG 的流程是：

加载 (Load)：读取 PDF/Txt 文件。
切分 (Split)：把长文章切成小块（Chunk）。
嵌入 (Embed)：把文字变成向量（一串数字），存入向量数据库。
检索 (Retrieve)：用户提问 -> 找最相似的片段。
生成 (Generate)：把片段 + 问题扔给 AI -> 生成答案。

4.1 加载与切分

fromlangchain_community.document_loadersimportPyPDFLoaderfromlangchain_text_splittersimportRecursiveCharacterTextSplitter# 1. 加载 PDFloader=PyPDFLoader("my_paper.pdf")# 请准备一个 PDF 文件docs=loader.load()# 2. 切分 (每块 1000 字符，重叠 200)text_splitter=RecursiveCharacterTextSplitter(chunk_size=1000,chunk_overlap=200)splits=text_splitter.split_documents(docs)print(f"切分成了{len(splits)}个片段")

4.2 向量化存储 (Chroma)

我们需要一个Embedding 模型来计算向量。OpenAI 提供了text-embedding-3-small。

fromlangchain_openaiimportOpenAIEmbeddingsfromlangchain_community.vectorstoresimportChroma# 初始化 Embedding 模型embedding=OpenAIEmbeddings(api_key="...")# 创建向量数据库 (并在内存中存储)vectorstore=Chroma.from_documents(documents=splits,embedding=embedding)# 创建检索器 (Retriever)retriever=vectorstore.as_retriever()

4.3 构建 RAG 链

fromlangchain.chainsimportcreate_retrieval_chainfromlangchain.chains.combine_documentsimportcreate_stuff_documents_chain# 1. 定义 RAG 的 Prompt# {context} 是检索出来的文档片段，{input} 是用户问题rag_prompt=ChatPromptTemplate.from_template(""" 基于以下上下文回答问题： <context> {context} </context> 问题：{input} """)# 2. 文档处理链 (把检索到的文档塞进 Prompt)document_chain=create_stuff_documents_chain(llm,rag_prompt)# 3. 最终检索链 (检索 + 生成)retrieval_chain=create_retrieval_chain(retriever,document_chain)# 4. 提问response=retrieval_chain.invoke({"input":"这篇文章的主要结论是什么？"})print(response["answer"])

五、持久化向量数据库

上面的代码每次运行都要重新读取 PDF 和计算向量（费钱又费时）。我们可以把向量数据库保存到硬盘。

# 保存到 ./db 目录vectorstore=Chroma.from_documents(documents=splits,embedding=embedding,persist_directory="./chroma_db")# 下次直接加载vectorstore=Chroma(persist_directory="./chroma_db",embedding=embedding)

六、常见问题

Q1：Embedding 是什么？

Embedding 是把文字变成向量（数字列表）。意思相近的词，在向量空间距离更近（如"猫"和"狗"近，和"桌子"远）。这是 RAG 检索的核心原理。

Q2：中文支持怎么样？

OpenAI 的 Embedding 对中文支持不错。如果要用国产的，可以替换为 HuggingFace 或智谱AI 的 Embedding 类。

Q3：Token 限制？

RAG 的好处就是不需要把整本书发给 AI，只发相关的几段，大大节省了 Token。

七、小结

关键要点：

LangChain是胶水，把 LLM 和各种工具粘在一起。
LCEL(|) 语法让代码链条清晰可见。
RAG是目前企业应用 LLM 最主流的模式。

八、课后作业

多文档问答：修改代码，支持读取一个文件夹下所有的.txt和.pdf文件，构建一个更强大的知识库。
历史记忆：查阅create_history_aware_retriever，给 RAG 加上对话历史记忆功能，让它能理解"第二个结论是什么"这种指代性问题。
换模型：尝试接入国内大模型（如文心、通义），通常只需要更换ChatOpenAI为对应的类（需安装对应 SDK）。