【AI大模型应用开发】【LangChain系列】加速学习LangChain效率:源码环境安装 + 断点调试

本文涉及的产品
阿里云百炼推荐规格 ADB PostgreSQL,4核16GB 100GB 1个月
简介: 【AI大模型应用开发】【LangChain系列】加速学习LangChain效率:源码环境安装 + 断点调试
  • 大家好,我是同学小张,日常分享AI知识和实战案例
  • 欢迎 点赞 + 关注 👏,持续学习持续干货输出
  • +v: jasper_8017 一起交流💬,一起进步💪。
  • 微信公众号也可搜【同学小张】 🙏

本站文章一览:


学习一个开源项目,效率最高的还是实际将项目跑起来,然后断点,跟着一个数据流,逐渐深入。

所以,对于开源项目,进行源码环境的安装就比较重要了。本文我们来用源码安装的方式安装 LangChain。

0. 源码安装 LangChain

前面我们在 【AI大模型应用开发】【LangChain系列】0. LangChain框架介绍,实现LangChain的Hello World 中已经安装过 LangChain 了,但是那是直接安装的Python包,是无法进行断点调试和直接从我们自己的程序中跳转到源码阅读的。

建议先用 pip install langchain 安装一遍langchain包,然后再使用下面的命令单独安装个别模块的源码,这样保证安装的langchain的依赖都是完整的,部分源码,部分python包。

要想从源码安装 LangChain,需要使用 pip install -e . 命令。关于此命令的作用,我之前也写过:【Python笔记】pip intall -e命令:让你的工程直接使用开源包的源码,可断点调试,修改源码!

完整步骤如下:

(1)正常从github上下载源码到本地

git clone https://github.com/langchain-ai/langchain.git

(2)进入 langchain/libs/langchain 目录

(3)执行 pip install -e . 命令

(4)再进入到 langchain/libs/core 目录

(5)执行 pip install -e . 命令

(6)再进入到 langchain/libs/community 目录

(7)执行 pip install -e . 命令

可能遇到的问题:

类似的问题都是缺少对应的包导致的。例如上面缺少 poetry-core>=1.0.0 的包,那就用 pip install poetry-core 安装一下这个包即可。等安装完这个包之后,再重新 pip intall -e .

1. 验证是否源码安装成功

随便新建个python文件,写入以下代码:

from langchain.retrievers.web_research import WebResearchRetriever # 这里主要是为了让它能走到你打断点的地方

然后在 langchain\libs\community\langchain_community\chat_models\openai.py 的以下地方打个断点。

执行Python文件,程序会在断点处停止,表明源码安装成功:

断点处堆栈如下:

<module> (d:\GitHub\langchain\libs\community\langchain_community\chat_models\openai.py:63)
<module> (d:\GitHub\langchain\libs\community\langchain_community\chat_models\anyscale.py:15)
<module> (d:\GitHub\langchain\libs\community\langchain_community\chat_models\__init__.py:21)
<module> (d:\GitHub\langchain\libs\langchain\langchain\chains\router\multi_retrieval_qa.py:6)
<module> (d:\GitHub\langchain\libs\langchain\langchain\chains\router\__init__.py:4)
<module> (d:\GitHub\langchain\libs\langchain\langchain\chains\__init__.py:76)
<module> (d:\GitHub\langchain\libs\langchain\langchain\retrievers\document_compressors\chain_extract.py:13)
<module> (d:\GitHub\langchain\libs\langchain\langchain\retrievers\document_compressors\__init__.py:2)
<module> (d:\GitHub\langchain\libs\langchain\langchain\retrievers\contextual_compression.py:10)
<module> (d:\GitHub\langchain\libs\langchain\langchain\retrievers\__init__.py:25)
<module> (d:\GitHub\LEARN_LLM\langchain_example\web_rag copy.py:2)

大功告成。

如果觉得本文对你有帮助,麻烦点个赞和关注呗 ~~~


  • 大家好,我是 同学小张,日常分享AI知识和实战案例
  • 欢迎 点赞 + 关注 👏,持续学习持续干货输出
  • +v: jasper_8017 一起交流💬,一起进步💪。
  • 微信公众号也可搜【同学小张】 🙏

本站文章一览:

相关实践学习
阿里云百炼xAnalyticDB PostgreSQL构建AIGC应用
通过该实验体验在阿里云百炼中构建企业专属知识库构建及应用全流程。同时体验使用ADB-PG向量检索引擎提供专属安全存储,保障企业数据隐私安全。
AnalyticDB PostgreSQL 企业智能数据中台:一站式管理数据服务资产
企业在数据仓库之上可构建丰富的数据服务用以支持数据应用及业务场景;ADB PG推出全新企业智能数据平台,用以帮助用户一站式的管理企业数据服务资产,包括创建, 管理,探索, 监控等; 助力企业在现有平台之上快速构建起数据服务资产体系
相关文章
|
8天前
|
机器学习/深度学习 人工智能 自然语言处理
当前AI大模型在软件开发中的创新应用与挑战
2024年,AI大模型在软件开发领域的应用正重塑传统流程,从自动化编码、智能协作到代码审查和测试,显著提升了开发效率和代码质量。然而,技术挑战、伦理安全及模型可解释性等问题仍需解决。未来,AI将继续推动软件开发向更高效、智能化方向发展。
|
9天前
|
人工智能 自然语言处理 机器人
文档智能与RAG技术如何提升AI大模型的业务理解能力
随着人工智能的发展,AI大模型在自然语言处理中的应用日益广泛。文档智能和检索增强生成(RAG)技术的兴起,为模型更好地理解和适应特定业务场景提供了新方案。文档智能通过自动化提取和分析非结构化文档中的信息,提高工作效率和准确性。RAG结合检索机制和生成模型,利用外部知识库提高生成内容的相关性和准确性。两者的结合进一步增强了AI大模型的业务理解能力,助力企业数字化转型。
43 3
|
18天前
|
人工智能 JSON API
阿里云文档智能 & RAG解决方案:提升AI大模型业务理解与应用
阿里云推出的文档智能 & RAG解决方案,旨在通过先进的文档解析技术和检索增强生成(RAG)方法,显著提升人工智能大模型在业务场景中的应用效果。该方案通过文档智能(Document Mind)技术将非结构化文档内容转换为结构化数据,提取文档的层级树、样式和版面信息,并输出为Markdown和Json格式,为RAG提供语义分块策略。这一过程不仅解决了文档内容解析错误和切块丢失语义信息的问题,还优化了输出LLM友好的Markdown信息。方案的优势在于其多格式支持能力,能够处理包括Office文档、PDF、Html、图片在内的主流文件类型,返回文档的样式、版面信息和层级树结构。
79 2
|
11天前
|
人工智能 弹性计算 Serverless
触手可及,函数计算玩转 AI 大模型 | 简单几步,轻松实现AI绘图
本文介绍了零售业中“人—货—场”三要素的变化,指出传统营销方式已难以吸引消费者。现代消费者更注重个性化体验,因此需要提供超出预期的内容。文章还介绍了阿里云基于函数计算的AI大模型,特别是Stable Diffusion WebUI,帮助非专业人士轻松制作高质量的促销海报。通过详细的部署步骤和实践经验,展示了该方案在实际生产环境中的应用价值。
42 6
触手可及,函数计算玩转 AI 大模型 | 简单几步,轻松实现AI绘图
|
8天前
|
人工智能 新制造 芯片
2024年中国AI大模型产业发展报告解读
2024年,中国AI大模型产业迎来蓬勃发展,成为科技和经济增长的新引擎。本文解读《2024年中国AI大模型产业发展报告》,探讨产业发展背景、现状、挑战与未来趋势。技术进步显著,应用广泛,但算力瓶颈、资源消耗和训练数据不足仍是主要挑战。未来,云侧与端侧模型分化、通用与专用模型并存、大模型开源和芯片技术升级将是主要发展方向。
|
14天前
|
机器学习/深度学习 人工智能 自然语言处理
当前AI大模型在软件开发中的创新应用与挑战
【10月更文挑战第31天】2024年,AI大模型在软件开发领域的应用取得了显著进展,从自动化代码生成、智能代码审查到智能化测试,极大地提升了开发效率和代码质量。然而,技术挑战、伦理与安全问题以及模型可解释性仍是亟待解决的关键问题。开发者需不断学习和适应,以充分利用AI的优势。
|
15天前
|
人工智能 JSON 自然语言处理
基于文档智能&RAG搭建更懂业务的AI大模型
本文介绍了一种结合文档智能和检索增强生成(RAG)技术,构建强大LLM知识库的方法。通过清洗文档内容、向量化处理和特定Prompt,提供足够的上下文信息,实现对企业级文档的智能问答。文档智能(Document Mind)能够高效解析多种文档格式,确保语义的连贯性和准确性。整个部署过程简单快捷,适合处理复杂的企业文档,提升信息提取和利用效率。
|
12天前
|
人工智能 自然语言处理 算法
企业内训|AI/大模型/智能体的测评/评估技术-某电信运营商互联网研发中心
本课程是TsingtaoAI专为某电信运营商的互联网研发中心的AI算法工程师设计,已于近日在广州对客户团队完成交付。课程聚焦AI算法工程师在AI、大模型和智能体的测评/评估技术中的关键能力建设,深入探讨如何基于当前先进的AI、大模型与智能体技术,构建符合实际场景需求的科学测评体系。课程内容涵盖大模型及智能体的基础理论、测评集构建、评分标准、自动化与人工测评方法,以及特定垂直场景下的测评实战等方面。
61 4
|
22天前
|
人工智能 Serverless API
电销行业的福音|AI大模型助力客户对话分析
本文介绍了如何利用AI大模型助力电销行业的客户对话分析,通过对象存储、智能对话分析技术和通义千问大模型,实现从客户语音和聊天互动中识别意图、发现服务质量问题,提升用户体验。方案部署简单,按量计费,帮助企业快速从海量对话数据中提取有价值的信息。
|
17天前
|
机器学习/深度学习 人工智能 算法
AI赋能大学计划·大模型技术与应用实战学生训练营——吉林大学站圆满结营
10月30日,由中国软件行业校园招聘与实习公共服务平台携手魔搭社区共同举办的AI赋能大学计划·大模型技术与产业趋势高校行AIGC项目实战营·吉林大学站圆满结营。