我正在参加年度优秀作者评选，公主王子们请帮我投票

前言

今天我们来聊聊使用LangChain来优化openAI,提高开发速度

准备工作

通过 Google Colab，用户可以创建和共享Jupyter笔记本，运行Python代码，访问云端计算资源，以及使用大量开源机器学习框架和库，而无需担心硬件或软件配置问题。而我们这里需要一点点的python 和 openai结合，当我们使用Google Colab 运行python时，可以不用担心配置环境。

注意，以上这些网站均为外网，当我们访问这些网站时，需要 “搭梯子”，具体可以去网上看看教程

1. 首先进入openai网站，拿到我们的sdk。教程如下：

选择VPI

复制我们的API keys， 如果没有的话点击Create new secret key,这样我们就可以拿到我们的sdk了。

接下来我们进入Google Colab网站，将代码放进此网站运行。这个网站十分的方便，当我们使用Google Colab 运行python时，可以不用担心配置环境。

点击文件-> 新建笔记本 点击左上角 +代码

正文

1. 安装LangChain和OpenAI,点击左边播放键运行
   • !pip install langchain==0.0.316 # 极简AI开发框架
   • !pip install openai==0.28.1

1. 导入模块

from langchain.chat_models import ChatOpenAI
from langchain.schema import HumanMessage
import os

这里导入了LangChain的ChatOpenAI聊天模型以及相关的模块，还导入了用于构建用户消息的HumanMessage类和用于设置环境变量的os模块。

os.environ['OPENAI_API_KEY'] = ''

chat = ChatOpenAI(temperature=0, model_name="gpt-3.5-turbo")
# openai 接受的就是一个数组
response = chat([HumanMessage(content="Hello LangChain!")])
print(response)

1. 设置OpenAI API密钥：

   os.environ['OPENAI_API_KEY'] = ''
   

   设置OpenAI API密钥，这个密钥是用来与OpenAI的聊天模型通信的。

2. 创建ChatOpenAI实例：

   chat = ChatOpenAI(temperature=0, model_name="gpt-3.5-turbo")
   

   创建了ChatOpenAI类的一个实例，指定了一些参数，如temperature（温度）和model_name（模型名称）。温度为0表示生成的文本更加确定性。

3. 构造用户消息并调用模型：

   response = chat([HumanMessage(content="Hello LangChain!")])
   

   使用构造的ChatOpenAI实例，传入一个包含用户消息的数组，调用聊天模型，获取模型的响应。这里输入你想要提出的问题

4. 打印模型的响应：

   print(response)
   

   打印模型的响应结果。

   我们来看看打印结果：