编程助手学Python--Deepseek对Langchain的调用OpenAI的GPT-3.5模型生成对话回复的理解

from langchain.llms import OpenAI
import os

os.environ["OPENAI_API_KEY"] = "sk-xx"
os.environ["OPENAI_API_BASE"] = "https://ai.com/v1"

openai_api_key = os.getenv("OPENAI_API_KEY")
openai_api_base = os.getenv("OPENAI_API_BASE")
print(apikey)
print(base)

llm = OpenAI(
    model="gpt-3.5-turbo-instruct",
    temperature=0,
    openai_api_key=openai_api_key,
    openai_api_base=openai_api_base
)

res = llm.predict("How are you today?")
print(res)

以下是对代码的详细解释，包括每个部分的功能、潜在问题以及修正建议：

1. 导入库

from langchain.llms import OpenAI
import os

• langchain.llms：langchain 是一个用于构建基于大语言模型（LLM）应用的框架。OpenAI 是 langchain 中用于与 OpenAI 模型交互的类。
• os：Python 标准库，用于与操作系统交互，例如读取环境变量。

2. 设置环境变量

os.environ["OPENAI_API_KEY"] = "sk-xx"
os.environ["OPENAI_API_BASE"] = "https://ai.com/v1"

• os.environ：用于设置或读取环境变量。
• OPENAI_API_KEY：OpenAI API 的密钥，用于身份验证。"sk-xx" 是示例密钥，实际使用时需要替换为有效的 API 密钥。
• OPENAI_API_BASE：OpenAI API 的基础 URL。这里设置为 "https://ai.com/v1"，可能是自定义的 API 端点（例如，使用代理或本地部署的 OpenAI 兼容服务）。

3. 读取环境变量

openai_api_key = os.getenv("OPENAI_API_KEY")
openai_api_base = os.getenv("OPENAI_API_BASE")
print(apikey)
print(base)

• os.getenv：从环境变量中读取值。
• openai_api_key 和 openai_api_base：分别存储 API 密钥和 API 基础 URL。
• print(apikey) 和 print(base)：这里代码有误，变量名应该是 openai_api_key 和 openai_api_base，而不是 apikey 和 base。

4. 初始化 OpenAI LLM 对象

llm = OpenAI(
    model="gpt-3.5-turbo-instruct",
    temperature=0,
    openai_api_key=openai_api_key,
    openai_api_base=openai_api_base
)

• OpenAI：langchain 提供的类，用于与 OpenAI 模型交互。
• 参数说明：
  • model：指定使用的模型，这里是 "gpt-3.5-turbo-instruct"，适用于指令类任务。
  • temperature：控制生成文本的随机性。0 表示完全确定性输出，适合需要精确答案的任务。
  • openai_api_key：API 密钥，这里正确使用了 openai_api_key 变量。
  • openai_api_base：API 基础 URL，这里正确使用了 openai_api_base 变量。

5. 调用模型生成文本

res = llm.predict("How are you today?")
print(res)

• llm.predict：调用 OpenAI 对象的 predict 方法，向模型发送输入文本 "How are you today?"，并返回生成的文本。
• print(res)：输出模型的生成结果。

6. 代码中的问题

1. 变量名错误：

   • 在 print(apikey) 和 print(base) 中，变量名应该是 openai_api_key 和 openai_api_base。

   • 修正后的代码：

     print(openai_api_key)
     print(openai_api_base)
     

2. API 密钥的安全性：

   • 将 API 密钥硬编码在代码中是不安全的，建议通过环境变量或配置文件管理密钥。

3. 模型名称：

   • "gpt-3.5-turbo-instruct" 是一个有效的模型名称，但需要确保 OpenAI API 支持该模型。

7. 修正后的完整代码

from langchain.llms import OpenAI
import os

# 设置环境变量
os.environ["OPENAI_API_KEY"] = "sk-xx"  # 替换为你的 API 密钥
os.environ["OPENAI_API_BASE"] = "https://ai.com/v1"  # 替换为你的 API 基础 URL

# 读取环境变量
openai_api_key = os.getenv("OPENAI_API_KEY")
openai_api_base = os.getenv("OPENAI_API_BASE")
print("API Key:", openai_api_key)
print("API Base:", openai_api_base)

# 初始化 OpenAI LLM 对象
llm = OpenAI(
    model="gpt-3.5-turbo-instruct",
    temperature=0,
    openai_api_key=openai_api_key,  # 使用正确的变量
    openai_api_base=openai_api_base  # 使用正确的变量
)

# 调用模型生成文本
res = llm.predict("How are you today?")
print(res)

8. 运行结果

假设 API 密钥和基础 URL 正确，模型会返回对输入 "How are you today?" 的响应，例如：

I'm just a computer program, so I don't have feelings, but thank you for asking! How can I assist you today?

总结

这段代码演示了如何使用 langchain 和 OpenAI 模型进行文本生成。关键点包括：

• 正确设置和读取环境变量。
• 初始化 OpenAI 对象时传递正确的参数。
• 调用 predict 方法生成文本。

修正代码中的错误后，可以顺利运行并得到预期结果。