AI(学习笔记第三课) 使用langchain进行AI开发（2）
文章目录
- AI(学习笔记第三课) 使用langchain进行AI开发（2）
- 学习内容：
- 1. 返回结构化数据（structured_output pydantic）
- 1.1 使用背景
- 1.2 返回结构化数据示例代码（pydantic）
- 1.3 执行测试代码
- 2 返回结构化数据（json）
- 2.1 示例代码
- 2.2 执行结果
- 3 给提供一些例子（few shot prompting）
- 3.1 示例代码
- 4 模型绑定工具（Tool Calling）
- 4.1 Tool Calling是什么
- 4.2 Tool Calling实例代码
- 4.3 Tool Calling实现阶段
- 4.3.1 提前绑定阶段
- 4.3.2 Tool calling调用阶段
- 4.4 Tool calling示例
- 4.4.1 Tool calling示例代码
- 4.4.2 Tool calling示例代码执行
- 5 返回结构化回答（使用method）
- 5.1 使用method结构代码
- 5.2 实行结果
- 6 返回结构化回答（使用include_raw）
AI(学习笔记第三课) 使用langchain进行AI开发（2）
- 使用
langchain，返回结构化数据
学习内容：
- 使用
langchain，返回结构化数据(pydantic) - 使用
langchain，返回结构化数据(json) - 提供一些示例
few shot prompting - 模型绑定工具
Tool Calling - 使用
langchain，返回结构化数据(method) - 使用
langchain，返回结构化数据(include raw)
1. 返回结构化数据（structured_output pydantic）
1.1 使用背景
一般的AI Application都是希望给LLM给出的回答，能够进行解析，所以最好是结构化的结果（structured output）。
参照langchain的官方文档。
structured_output
1.2 返回结构化数据示例代码（pydantic）
- 使用
deepseek的官方AI，不使用自己构造的ollama - 需要引入
langchain-deepseek这个包，可以看出langchain开始对于deepseek支持了。 - 可以看出，这是使用的是
pydantic的结构化数据。
from typing import Optional
from langchain_deepseek import ChatDeepSeek
from pydantic import BaseModel, Fieldllm = ChatDeepSeek(model="deepseek-chat", # 模型名称temperature=0, # 控制生成随机性(0-1)max_tokens=None, # 最大输出token数timeout=None, # 超时设置max_retries=2, # 失败重试次数api_key="your own deepseek api key"
)class Joke(BaseModel):"""Joke to tell user."""setup: str = Field(description="The setup of the joke")punchline: str = Field(description="The punchline to the joke")rating: Optional[int] = Field(default=None, description="How funny the joke is, from 1 to 10")
structured_llm = llm.with_structured_output(Joke)
print(structured_llm.invoke("Tell me a joke about cats"))
1.3 执行测试代码
setup="Why don't cats play poker in the jungle?" punchline='Too many cheetahs!' rating=7
结果已经是结构化的数据了。
2 返回结构化数据（json）
2.1 示例代码
除了pydantic格式之外，也可以是数据的json
from langchain_deepseek import ChatDeepSeek
from typing import Optional
from typing_extensions import Annotated, TypedDict
import warnings
warnings.filterwarnings("ignore", category=DeprecationWarning)llm = ChatDeepSeek(model="deepseek-chat", # 模型名称temperature=0, # 控制生成随机性(0-1)max_tokens=None, # 最大输出token数timeout=None, # 超时设置max_retries=2, # 失败重试次数api_key=