在Python中，使用Azure OpenAI和LangChain完成一次对话

介绍

这篇文章将介绍如何配置Azure OpenAI，以及如何在Python中如何使用LangChain完成一次对话。

使用ipynb notebook
虚拟环境python版本 3.11.3

演示

1、安装依赖包

安装并更新langchain、langchain-openai包

%pip install -qU langchain
%pip install -qU langchain-openai

2、配置环境变量

你应该配置至少配置下面四个参数到环境变量中：

• AZURE_OPENAI_API_KEY，AZURE_OPENAI_ENDPOINT：在你创建 Azure OpenAI 服务后，可以在“密钥和终结点”菜单下查看

• OPENAI_API_VERSION：在这里查看 https://learn.microsoft.com/en-us/azure/ai-services/openai/reference

• AZURE_OPENAI_CHAT_DEPLOYMENT_NAME：部署的模型名称，如下图
  

3、对话代码

实例化一个AzureChatOpenAI的对象，指定 openai_api_version 和 azure_deployment 两个参数。定义消息列表 messages，包含系统信息和用户信息。调用 invoke 方法，访问LLM获得回应。

import os
from langchain_core.messages import HumanMessage,SystemMessage
from langchain_openai import AzureChatOpenAI  

# create a llm
model = AzureChatOpenAI(
  openai_api_version = os.environ["AZURE_OPENAI_API_VERSION"],
  azure_deployment = os.environ["AZURE_OPENAI_CHAT_DEPLOYMENT_NAME"]
)  

# define the messages
messages = [
  SystemMessage(content="translate the following from english into chinese"),
  HumanMessage(content="hello!")
]  

# call llm
result = model.invoke(messages)

4、提取回应内容

result 一个AIMessage结构的数据，通常，我们需要把 content 的内容解析出来，展示给用户。
现在，让我们从 AIMessage 数据结构中提取content内容。

from langchain_core.output_parsers import StrOutputParser
parser = StrOutputParser()
parser.invoke(result)

总结

在这篇文章里，介绍了 Azure OpenAI 的配置，以及在Python中使用LangChain完成一次简单的对话，希望对你有帮助。