⛓️ 无需编写代码就可以接入私有域数据 | 创建自己的AI客服机器人 | LangFlow
作者：FancyPig | 发布时间： | 更新时间：
相关阅读
视频讲解
在本期视频中，我们将分享一个神奇的平台，让你在无需编写任何代码的情况下，轻松创建出强大的聊天机器人！是的，你没听错，就是拖拽组件，连接起来就能打造聊天机器人！你可能听说过LangChain，但它需要编写大量的Python或JavaScript代码。我们将陆续为大家介绍Flowise和LangFlow。它们都有令人眼前一亮的用户界面，让你轻松上手！在这个视频中，我们将重点关注LangFlow，带你一步步安装，并教你如何创建各种实用的应用程序！当然，我们也会探讨一些更复杂的例子，让你大开眼界！
相关资料
- ⛓️ LangFlow Github项目地址 https://github.com/logspace-ai/langflow
图文讲解
今天，我想向你展示一个平台，在这个平台上，你可以创建强大的聊天机器人，而无需编写任何代码。这些只是拖放组件，你可以将它们连接在一起，创建聊天机器人。
如果你一直在关注我的频道，我使用LangChain创建了很多内容。但为了让它发挥作用，你需要用Python或JavaScript写相当多的代码。所以我想看看那些可以让你在大型语言模型上建立应用的平台，而不需要写任何代码。我遇到了这两个不同的选择。第一个叫Flowise，它使用LangJS。他们在上面建立了一个相当不错的用户界面。第二个叫LangFlow，它使用的是一个非常类似的概念。
所以你有拖放组件，你把它们连接在一起以创建应用程序。现在LangFlow以及LangWise的界面看起来都非常相似。所以在这个视频中，我将向你展示如何安装它们中的一个，而且我们将特别关注LangFlow。在随后的视频中，我可能也会为Flowise制作一个视频。我将带领你完成一个逐步的安装过程，然后我将告诉你如何能够创建不同的应用程序。而且我们也会看一些更复杂的例子。现在，在后台，无论是Flowise还是LangFlow，他们都在使用LangChain，而这只是一个封装包。如果你不熟悉LangChain，或者想了解基本概念，所以我建议你看这个视频。
让我们快速看一下安装过程。我在Windows上，但在不同的平台上，安装过程会保持相当一致。 不幸的是，为了运行这些基于用户界面的平台，你仍然需要Python。所以首先，我建议安装Python以及Conda，并为这个特定项目创建一个新的虚拟环境。所以为了创建一个虚拟环境，我们将使用Conda。所以我将说Conda create，然后-n ，现在我们需要给我们的新的虚拟环境起一个名字。所以我已经有了一个叫做Flow的虚拟环境，但是你可以给它起任何你想要的名字。
conda create -n langflow
一旦你创建了你的虚拟环境，那么你需要激活它。所以我们要使用conda activate，然后是我已经有虚拟环境。所以我要把它叫做LangFlow，点击回车，对吗？
conda activate langflow
pip install langflow
你可以看到我们现在在我们的虚拟环境中。好的，接下来我们需要安装LangFlow包。所以我们将使用 pip install，然后是 langflow。我已经安装了它，所以你会看到它说满足要求。但如果你是第一次安装它，这一步将需要相当多的时间。好的，接下来我们只需要运行这个命令，也就是python -m langflow，或者你可以直接输入langflow，都应该可以。
python -m langflow
所以让我们看看会发生什么。因此，它只是在这个特定的IP地址上启动了一个网络应用，这是你的本地主机(localhost)， 它使用7860作为端口。只要到你的浏览器中输入这个地址，你就会看到这个应用程序已经启动并运行。现在在后台，你会看到这里正在发生的一切。所以它已经抛出了一些错误信息。我们将在稍后看一下为什么会发生这种情况。现在的基本结构，所以它有一些组件。这些是LangChain中所有的组件。而且正如我之前提到的，它在后台使用LangChain。所以你可以来这里，在浅色和深色主题之间切换。我喜欢黑暗主题，所以我打算在视频的其余部分保留这个。这是一个非常简单的拖放界面。你只需拖动不同的组件，将它们连接在一起，就可以创建应用程序。所以我们来看看有哪些不同的组件。所以有一些代理，所以CSV代理，JSON代理，然后在链方面。所以这些是LangChain中可用的链。所以我想不是所有的都可以用，但是比如说，你可以创建一个LLM链或者对话链，对吗？然后对于加载不同类型的文件，他们有一个相当全面的列表。例如，有一个PyPDF加载器，有一个文本加载器，如果你想与网站互动，也有一个基于网络的加载器。我们将在稍后看几个例子，对吗？然后在嵌入方面，现在，他们似乎只支持OpenAI的嵌入，但这实际上可能会改变。他们可能应该包括对其他的支持。在LLM方面，所以有一个ChatOpenAI，Hugging Facehub，Llama CPP，OpenAI。所以这很好。这是个好的开始。那么也有记忆的模块。所以如果你想给你的聊天机器人添加记忆，那么在提示方面，那么让我们看看他们有什么。他们有一个提示模板，这很好。然后是零次提示，几次提示模板，这个很好，很有用。然后有一个字符文本分割器。这对分割你的文件很重要，特别是如果它们超过了你的大型语言模型的上下文窗口。好的，所以他们有相当不错的工具集，你可以与之互动。这些工具足以让你开始实验大型语言模型。所以这对于创建快速原型是很好的。所以让我们来看看我们将如何做到这一点。因此，举例来说，假设我想创建一个聊天机器人。所以我打算使用对话链。让我把它做得大一点，这样它就可以看到了。然后，为了连接这个对话链，我们需要一个大的语言模型。所以为了让事情变得非常简单，我们将从ChatOpenAI开始。这就是OpenAI的基本聊天机器人。
好的，现在如果你看到对话链，那么它期望有两个输入。一个是记忆，另一个是LLM，也就是大的语言模型。输出将是一个对话链，对吗？
但这个具体的模块，如果你看到，它只有一个输出，就是ChatOpenAI，对吗？现在你可以简单地将这些连接在一起。由于某些原因，这个连接并不真正可见，但有一个连接。让我把它切换到日间模式，这样你就可以看到。
我们简单地把这两点连接起来。现在它们被连接在一起了。现在，为了试验这个，他们提供了这个简单的聊天界面。所以，无论你创建什么工作流程，如果它成功了，那么你就能把它作为这里的聊天工具，对吗？而且最棒的是，他们还提供了这个代码部分。
所以它告诉你，如果你创建了一个工作流程，你如何在你自己的Python代码上使用这个，如果你想把它作为一个应用程序的一部分，对吗？因此，这里是它将如何与API一起工作。所以现在，我们的流程被称为一个新的流程，所以它会为其创建一个JSON文件，对吗？如果你想直接使用Python版本的Langflow，那么你只需加载你的JSON文件，然后你就可以提出问题。我们将在稍后更详细地研究这个问题。所以首先，让我们看一下这里。对于这个ChatOpenAI，我们有四个不同的选项，也就是3.5Turbo，也就是ChatGPT，GPT-4，和GPT-32K。现在，我只能访问ChatGPT版本，所以我将会使用这个版本。然后你可以设置温度，让我们把它保持为零。然后你需要提供OpenAI的API密钥。你可以从你的账户中获得OpenAI的API密钥，所以我继续，复制了它，让我把它粘贴在这里，对吗？我想我们应该都准备好了。现在，如果你注意到，这变成了一个绿色的勾，这意味着我们已经准备好使用这个工作流程。现在，为了使用它，你需要简单地去这里，对吗？
让我们问一个问题，所以我会说，什么是美国的首都，好吗？
而这应该会从ChatGPT中得到回应。所以它正在处理它。你实际上可以看一下命令行，在那里你可以看到正在发生的一切。好的，所以它出现了一个响应，说美国的首都是华盛顿特区，这是正确的，然后它提供了一些更多的细节，因为它在使用ChatGPT，对吗？
而这里是在后端，所以它使用的是提示模板，提示模板是下面是人类和人工智能之间的友好对话，人工智能是健谈的，并从其上下文中提供了很多具体的细节，对吗？然后它只是提供我们给它的提示词，人工智能就会做出回应。一旦它执行了提示模板，那么它就会说，链完成，对吗？所以如果你熟悉Langchain提示词，或提示模板，这看起来会非常熟悉。好的，这就是你如何创建一个基本的聊天机器人。但让我们给它添加一些记忆，因为我们希望它能记住以前的对话。所以我们会去记忆，然后我可以选择这个对话缓冲区的记忆，对吗？
而这有一个历史键。所以将要发生的是，它将提供提示以及对话的历史，回到我们的ChatGPT，对吗？所以我们要连接这个，让我再切换一下。是的，它被连接了，对吗？所以现在，这个具体的工作流程应该包含有记忆。
只要确保你等待这个变成绿色。
好的，所以现在可以使用了。所以我打算回到我的聊天界面。我要删除之前的聊天记录，再问一次同样的问题，什么是美国的首都，对吗？然后让我们看看它的结果。因此，它又说美国的首都是华盛顿特区。这很好。好的，让我们问问它的人口是多少，对吗？所以现在，它应该记得我们正在谈论的背景，华盛顿特区。所以这是非常好的。你能够创建这个工作流或流程。但你如何在你自己的应用程序中使用这个？因此，如果你回到他们的GitHub页面，他们提供了一个例子，你如何可以在谷歌云上部署这个，也可以在Jina AI云上部署。我对这个不熟悉，但你可以和他们一起做这个。本质上，你所需要的只是你的工作流程的JSON文件。现在，让我告诉你如何创建那个JSON文件。所以只需转到导出，对吗？
这里你给一个名字。所以让我们说我要叫它聊天机器人基本，对吗？然后你可以给一个描述，对吗？如果你想把API密钥作为流程的一部分来存储，你可以这样做，但我不会这样做。然后简单地点击下载流程。
这里是你创建的JSON文档的例子，对吗？你可以看到，在后端，它实际上是使用langchain的一切。
所以，例如，如果你看这里，这是它在后端调用的东西。因此，一旦你创建了一个流程，你就可以把它整合为你的Python代码或你的应用程序的一部分。
所以，比如说，如果你想使用我们刚刚创建的那个特定的流程，那么你就要使用这个代码段。
现在我们假设你创建了一个流程，你保存了它，你想加载它来修改它。为此，你需要去点击导入，然后你有两个选项。
你可以看一些例子，或者你可以加载本地文件。
所以我们会点击本地文件，然后你可以简单地选择你已经创建的JSON文件。
所以这时我们要在另一个标签中打开同样的工作流程。所以这就是你如何创建导出和加载工作流程。这是一个快速实验和原型设计的方式伟大的工具。但现在让我们来看看他们有一些更复杂的例子。我们不打算运行这些例子，但只是看看他们所创建的流程。所以我们会去看例子，然后你可以看到有不同可用的选项或例子所以，例如，这里有一个入门的基本图表，一个有提示和历史的机器人，这是我们创建的。然后你有一个矢量存储的PDF加载器。所以，也许我们就先看看矢量存储。
因此，让我们看看作为这个矢量存储流程的一部分而被使用的不同组件。
所以首先，你有基于网络的加载器(WebBaseLoader)。
所以看起来它正在加载网页或来自这个特定网站的FAQ页面。这里是他们在这个例子中使用的网站。接下来他们有一个字符分割器，它简单地把这个文件分成不同的块。在这种情况下，他们使用的是1,000个块的大小，200个令牌的重叠。紧随其后的是一个chroma矢量数据库或矢量存储。所以它把这些块和OpenAI的嵌入模型放在一起，为每个文件创建嵌入。然后它只是有另一个组件，这是与矢量存储有关的信息。 如果你一直关注我的视频，这整个工作流程与我所展示的非常相似。 实际上，我有一个关于如何为你的网站创建自定义聊天机器人的示例视频。所以，如果你想更深入地了解所涉及的所有组件，那么请看那个视频。 现在再次回到工作流程。然后他们把矢量数据库作为一个链条的一部分连接起来。在这种情况下，他们将其连接到一个大型的语言模型，也就是DaVinci-003模型。
所以这将是大语言模型。这个工具的伟大之处在于它可以让你设置不同的选项。所以，例如，如果你想的话，你可以选择一个不同的LLM。所以为了运行这样的流程，你必须提供你的OpenAI密钥，将其放入链接模型和LLM模型中。好的，我们也来看看另外几个例子。也许我们会看一下PDF加载器。现在谈论PDF，这是个热门话题。所以其余的工作流程与我们看到的矢量商店的工作流程非常相似。唯一的变化是现在他们使用了一个PDF加载器，对吗？所以你可以简单地选择一个PDF文件，然后它将通过其余的流程。因此，我将创建很多更详细的视频，介绍如何构建应用程序和运行这些应用程序。我在这里遇到了一些问题。我认为代码中仍有一些bug。所以我没能像PDF加载器那样运行。但可能是在我这边，我可能在安装时有一些问题。总的来说，这是一个伟大的概念。而且如果执行得好，它是一个伟大的工具，可以让你做非常快速的原型设计。好的，玩一玩，看看这在你自己的工作流程中是否有用。我也会制作关于Flowise的视频，并比较这两个工具。如果你有任何问题或意见，请把它们放在下面的评论区。
如果你喜欢这个视频，请考虑喜欢并订阅这个频道。
感谢您的观看，下期再见。