随着大型语言模型（LLMs）的不断发展，开发者们正致力于利用这些模型创造新的产品解决方案。几乎每天都有新的大型语言模型或现有模型的新版本问世。跟上这些新版本或新模型的步伐可能是个问题，因为需要阅读每个大型语言模型的文档。LangChain，一个围绕各种不同的LLMs构建的库，使得这一过程变得更加简单。此外，基于LangChain的UI——LangFlow，被引入以直接工作和创建应用程序，使得事情变得更加美好。
理解LangFlow UI，安装并使用LangFlow，学习LangFlow的内部工作原理，使用LangFlow创建应用程序，分享通过LangFlow制作的应用程序。
LangFlow是一个基于Python包LangChain设计的图形用户界面，使用react-flow构建。LangChain是一个Python包，用于创建与大型语言模型一起工作的应用程序。它包括不同的组件，如代理、LLMs、链、内存和提示。开发者将这些模块链式连接起来创建应用程序。LangChain包含了几乎所有流行的大型语言模型的包装器。现在，要使用LangChain，必须编写代码来创建应用程序。编写代码有时可能耗时且容易出错。
这就是LangFlow发挥作用的地方。它是一个基于LangChain的图形用户界面。它包含了LangChain中的所有组件。LangFlow提供了拖放功能，可以将组件拖放到屏幕上并开始构建基于大型语言模型的应用程序。它甚至包含了丰富的示例供大家开始使用。在本文中，将深入了解这个UI，看看如何使用它构建应用程序。
现在，已经了解了LangFlow是什么以及它如何适应，让深入研究它以更好地理解其功能。LangFlow UI适用于JavaScript和Python。可以选择其中一个开始使用。对于Python版本，需要在系统中安装Python和LangChain库。
如果想要使用LangFlow，需要以下包：
pip install langchain
pip install langflow
以上将安装Langflow包和LangChain包。现在要启动UI，使用以下命令：
python -m langflow
（或）
langflow
现在LangFlowUI正在运行。它在本地主机上的端口号7860上运行。这样就可以安装并开始使用LangFlow。
LangFlow的制造商，即LogSpace AI，已直接在HuggingFace网站上部署了LangFlow。可以点击访问HuggingFace网站或搜索Google。它看起来像下面这样，然后点击“新建项目”。
当点击“创建新项目”时，LangFlow UI将出现。
在这里，白色空间是通过拖放组件来创建应用程序的地方。组件位于左侧（代理、链、加载器等）。所以当点击组件时，会呈现不同类型的组件，将从中选择一个并将其拖到白色空间。在白色空间中，将组合不同的组件以构成整个应用程序。
在本节中，将简要了解LangFlow的UI，它包含的元素以及UI的工作原理，以更好地理解如何快速使用LangFlow构建大型语言应用程序。
在上面的图片中，看到了LangFlow UI的右上角部分。图标的含义可以理解。第二个图标代表导出选项。因此，当通过LangFlow构建应用程序并现在想要将其下载到本地计算机时，可以通过将应用程序配置转换为JSON文件来实现。点击导出选项将允许下载包含应用程序信息的JSON文件。现在如果朋友想要构建相同的应用程序，他只需点击第一个选项，即导入，然后将JSON文件传递给它。
第三个选项将应用程序转换为Python代码，然后可以直接在本地系统中使用它，而不是每次想要使用该应用程序时都去LangFlow网站。
LangChain为许多大型语言模型提供了包装器。每个大型语言模型都有自己的API来工作。所以当尝试在LangFlow中使用LLM时，它为提供了添加API密钥的选项，如上所示。除此之外，甚至还有选择想要工作的大语言模型类型的选项。
在本节中，将创建一个简单的聊天机器人应用程序，使用LangFlow UI。这个应用程序涉及使用OpenAI大型语言模型，因此需要一个Open API密钥才能使用这个应用程序。将创建的应用程序将有三个元素：大型语言模型、提示模板和连接它们的LLM链。让首先将LangChain的OpenAI包装器拖放到UI的虚线部分。
OpenAI大型语言模型包装器可以在LangFlow的LLM部分找到。可以将其拖到白色部分。在这里，现在选择想要工作的模型类型。现在，将其设置为Davinci模式。温度，即模型应该有多有创意，设置为0.7，最大令牌数设置为256。在“Open API密钥”字段中，需要提供Open API密钥，下面的字段可以留空。
从图片中，可以看到已经将提示模板拖到了白色部分。在这里，正在开发的应用程序是一个简单的机器人，以有趣的方式回复，所以需要相应地编写提示模板。
提示模板：
是一个AI机器人，以有趣的方式回应人类给出的每个查询。
人类：{查询}
AI:
现在来到最后一个元素，即链元素。LLM链是将OpenAI大型语言模型和提示模板连接在一起的元素。可以看到LLM链可以在UI左侧的链部分找到。最后，是时候将所有东西连接在一起了。
如上图所示，将提示模板连接到LLMChain的提示，并连接OpenAI端到LLMChain的LLM端。
现在是测试应用程序的时候了。要运行应用程序，点击UI右下角的闪电图标。如果OpenAI密钥有效，那么在每个元素的顶部，靠近元素名称的地方，将显示一个绿点（最初是黄色），然后将看到一个蓝色的聊天图标在闪电图标下方。点击蓝色聊天图标。
点击后，将为打开一个聊天窗口。现在可以与在UI中给出的大型语言模型聊天。让尝试问机器人“好吗？”，对于这个问题，机器人需要以有趣的方式给出回应。
可以看到，机器人确实以有趣的方式回应了提示模板。通过将其导出为JSON，可以与任何人分享。这只是可以使用LangFlow和LangChain实现的一个示例用例。
使用Langchain为PDF构建ChatGPT
LangFlow UI建立在Python的LangChain框架之上，这是一个广泛使用的包，用于创建与大型语言模型一起工作的应用程序。已经看到了UI中的组件，并看到了如何使用UI构建模型，并通过将其导出为JSON文件与他人分享。有了这个UI，创建高端应用程序的可能性是无限的。
Q1. 什么是LangChain？
A.LangChain是一个Python包，用于构建与大型语言模型一起工作的应用程序。它包含一组链式连接的组件，用于创建这些应用程序。