文章目录
前言
在上一篇文章中（已同步到博客langchain更新初体验），探讨了langchain在
0.2.1
0.2.1
0.2.1版本中的使用，现在更新到了langchain的
0.3.3
0.3.3
0.3.3版本，到底有哪些变化呢？
本文将以一个最基本的案例，展现当前所取消的、增加的内容。
P.S.：虽然说有删有减，但是废弃方法可能需要一段时间才能真正移除，所以短时间内也无需太在意。
目前源码已更新到了我的GitHub上，本文对应的是functions目录下的availability.py文件。
写一个基本的demo
要写的东西很简单，其实就是给一串提示词，然后提一个问题，等待一个回答就好了。
那么就还是老样子，用streamlit配置。
配置文件.streamlit/secrets.toml
由于我们还是沿用langchain+qwen的结构，因此还是需要一个qwen的api-key，这里就不多说了。
DASHSCOPE_API_KEY="sk-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx"
反正也是最简单的demo罢了，就配这个就好。
获得大模型对象
为了实现多种大模型的兼容，这里采用了工厂模式。
先来一个抽象工厂。
class BaseLLMFactory(ABC):
@abstractmethod
def build(self):
...
然后构建通义千问的工厂类：
class TongyiFactory(BaseLLMFactory):
def __init__(self, api_key: str = st.secrets["DASHSCOPE_API_KEY"], model_name: str = "qwen-max", top_p: float = 0.7):
self.api_key = api_key
self.model_name = model_name
self.top_p = top_p
def build(self):
from langchain_community.llms import Tongyi
llm = Tongyi(model = self.model_name, top_p = self.top_p, api_key = self.api_key)
return llm
这样的话，我们如果需要获得一个通义千问的大模型对象，只需要这样调用：
llm = TongyiFactory().build()
或者也可以自定义：
llm = TongyiFactory(
api_key = "sk-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx",
model_name = "qwen-turbo",
top_p = 0.9
).build()
由于并不会对大模型的能力要求很高，所以参数也只设置这些。后续再考虑高阶的参数，甚至tokenizer。
甚至，你觉得build()这个调用太累赘了，在Python中也就直接用魔法函数直接解决掉：
def __call__(self):
from langchain_community.llms import Tongyi
llm = Tongyi(model = self.model_name, top_p = self.top_p, api_key = self.api_key)
return llm
这样，我们就可以直接使用TongyiFactory构建通义千问的大模型对象了。
Chain退场，上场的是Runnable
首先，相对于以前，也就是在
0.1.7
0.1.7
0.1.7版本就已经标记要废弃的，就包括LLMChain、ConversationChain等在内的各种Chain。
先回顾一下：
- 为了将
PromptTemplate输入大模型进行处理，我们首先需要利用LLMChain构建一个基本的Chain； - 在此基础上，为了进一步读取网络上爬取的信息，需要另外构建一个
StuffDocumentChain对象用于处理网络爬取的信息。
这也就导致，如果一个应用越来越大，功能越来越多，那么所需要实例化的对象就越来越多，所需要构建的Chain对象就越来越多，代码也会越来越复杂。
那么，我们用什么呢？也就是langchain现在利用Runnable提供的各种代理类。
回到我们现在的项目中。我们刚刚自定义了一些工厂，构建了一个通义千问的大模型对象，那么，我们构建的到底是什么？
我们可以在langchain_community.llms中找到Tongyi，后来发现，其实是langchain_community.llms.tongyi的别名。没事，继续找，在langchain_community.llms.tongyi中，主要的类是继承自BaseLLM的Tongyi类。继续找，发现BaseLLM是Runnable的子类。
虽然在功能上，Tongyi与Runnable这两个类已经差别太大了，但是，在使用过程中，两者还是一样的。
于是，直接调用代理方法：
result = llm.invoke("你好，我不是小娜，我没办法帮你。")
于是就可以获取到一个回答了：
你好！看来可能有些误会。
作为AI助手，我的目标是尽可能帮助所有用户。
无论您是不是小娜，如果您有任何问题或需要协助的地方，请随时告诉我，
我会竭尽全力为您提供帮助。无论是技术问题、知识查询还是日常生活的疑问，
我都愿意尝试为您解答。请随时告诉我您的需求。
P.S.：原输出没有换行，我换行纯粹是为了方便看。
这就是最基本的使用。
总结
直到目前为止，其实可以发现，除了即将删除的Chain以及Chain都有的run方法被取代掉了，其他的也都还在，所以也没有很奇怪。
不过，接下来，为了更丰富的体验，以及弥补即将删除的Chain所对应的空白，langchain提供了一个很有意思的过程，这个就在以后单独用一篇文章讲。