【Langchain学习笔记(三)】基于 DeepSeek 构建聊天机器人

从零到一:如何用 LangChain 高效集成 DeepSeek API 【代码】如何使用langchain 调用DeepSeek Api。 阅读详情
AI摘要

本文介绍基于DeepSeek创建聊天机器人的方法。先介绍PromptTemplate提示模板,接着阐述DeepSeek环境准备与模型创建步骤,包括获取API、配置API Key等。基于Langchain框架,说明处理多轮对话、保存对话历史、实现流式输出的方法,并给出示例代码及运行效果。

基于 DeepSeek 构建聊天机器人

前言

本文主要介绍如何基于 DeepSeek 来创建一个聊天机器人。首先介绍 PromptTemplate 提示模版t,它作为设计对话流的基础,能够极大提升用户体验。接着,深入 DeepSeek 环境准备及模型创建过程,包括获取API、创建和配置 API Key、设置 base_url 以及选择合适的模型等步骤。基于 Langchain 框架,将介绍如何通过 MessagesPlaceholder 处理复杂的多轮对话,构建 Chain 保存对话历史,并了解 RunnableWithMessageHistory 对象的实现流式输出,并通过示例代码演示整个流程的实际运行效果。

备注:本系列文章基于B站课程: 马士兵-AI大模型全套教程(学习路线+LLM大语言模型+RAG实战+Langchain+ChatGLM-4+Transformer+DeepSeek) 学习整理得到。

1、使用 PromptTemplate 提示模板

Langchain 给我们提供了一个提示词模板 ChatPromptTemplate,它用来帮助我们去构建提示词。可以先简单的理解为 python 的字符串拼接的模板

定义提示模版:

from langchain_core.prompts import ChatPromptTemplate

prompt_template = ChatPromptTemplate.from_messages(
    [("system", '请将以下的内容翻译成{language}'), ("user", "{text}")]
)

完整使用代码及运行结果:

import os
from langchain_core.output_parsers import StrOutputParser
from langchain_core.prompts import ChatPromptTemplate
from langchain_openai import ChatOpenAI

os.environ["OPENAI_API_KEY"] = "DEEPSEEK_API_KEY"
# 1、创建模型
model = ChatOpenAI(
    model='deepseek-chat',
    base_url="https://api.deepseek.com/v1"
)

# 2、定义提示模版
prompt_template = ChatPromptTemplate.from_messages(
    [("system", '请将以下的内容翻译成{language}'), ("user", "{text}")]
)
# 3、创建返回的数据解析器
parser = StrOutputParser()

# 4、创建链chain
chain = prompt_template | model | parser

# 5、直接使用chain进行调用
result = chain.invoke({
   
   "language": "English", "text": '我下午还有一节课,不能去打球了'})
print(result)

在这里插入图片描述

2、DeepSeek 环境准备及模型创建

2.1 获取 API

LangChain + DeepSeek 详解 本文介绍了LangChain框架的基础使用与核心功能。作为AI应用开发工具,LangChain通过标准化接口连接LLM与外部系统,包含Prompt模板、LLM模型、代理和记忆系统四大组件。文章详细演示了Python环境下的安装配置流程,包括向量数据库初始化、DeepSeek模型适配和对话链构建。重点解析了流式输出处理技术,对比了不同调用模式的性能差异,并给出生产环境下的优化建议(如错误重试、超时设置和监控集成)。该框架采用模块化设计,支持快速原型开发,适合构建可扩展的智能应用,但需要注意内存向量库的临时性特 阅读详情

相关推荐

DeepSeek&LangChain:“模型+框架”的AI测试融合实践!

LangChain 是一个专为构建基于大语言模型(LLMs)的应用而设计的强大框架。旨在简化 LLM 的开发流程。

我的博客 1114

使用DeepSeekR1基于LangChain构建聊天机器人(带记忆功能)

基于任何LLM框架构建的链和智能代理,并与LangChain无缝集成,LangChain是使用LLM构建的首选开源框架。简单说就是用它来观察大模型进行了哪些调用,让你清楚你的大模型内部咋工作的。为了让大家先感受一下LangChain框架,这里使用框架进行一个最简单的对话案例,注意,这个案例一定是正确的,如果报错则一定是环境缺少包或者环境变量没配置等问题。LangChain应用需要一个大模型型,官方教程使用的是OpenAI,本文使用硅基流动的DeepSeekR1满血版进行演示。”就无法把问题回答准确。

awei0916的专栏 1710

springboot集成langchain4j接入open AI和deepseek

查看官网错误码(https://help.aliyun.com/zh/model-studio/error-code)IDEA新建一个springboot项目,使用Spring lnitializr快速构建。发现新建的业务空间没有授权对应的模型,而默认的业务空间是授权的,测试的业务空间授权即可。maven项目在pom文件中引入LangChain4j的核心依赖与要接入的大模型依赖。这里pom需要引入新依赖。

kizzo的博客 3118

最新版 Akamai 逆向 风控破解

经过测试,捷星 jetstar.com,德州仪器 ti.com,w6 wizzair.com,还有一些航空公司的都是可以实现一个并发的有需要的可以。

m0_72605044的博客 6635

别再翻手册了!用Materials Studio的Forcite模块,5步搞定复杂溶剂的溶解度参数计算

本文详细介绍了如何使用Materials Studio的Forcite模块,通过5个步骤快速计算复杂溶剂的溶解度参数。从分子建模、结构优化到分子动力学采样,再到最终的内聚能密度计算,该方法大幅提升了石油化工和高分子材料研发中的效率,避免了传统手册查阅和实验的繁琐过程。

weixin_28707739的博客 282

Day2 十分钟带你解决逆向中对称加密算法 (RC4)

在密码学中,RC4(来自Rivest Cipher 4的缩写)是一种串流加密算法,密钥长度可变。他加密解密使用相同的密钥,因此也被称为“流加密算法”。RC4由伪随机数生成器和异或运算组成。RC4的密钥长度可变,范围是[1,255]。RC4一个字节一个字节地加解密。给定一个密钥,伪随机数生成器接受密钥并产生一个S盒。S盒用来加密数据,而且在加密过程中S盒会变化。由于异或运算的对合性,RC4加密解密使用同一套算法。

m0_73779708的博客 1291

CANFD升级踩坑实录:DBC转换时DLC大于8的信号怎么处理?

本文详细探讨了CANFD升级过程中DLC大于8的信号处理问题,提供了工程化解决方案和AutoSar BSW层配置要点。通过分析CAN与CANFD的DLC本质差异,提出信号拆分重组、DLC重映射和协议层适配三种策略,并给出验证与测试方案,帮助开发者避免数据截断和通信故障。

weixin_42521843的博客 234

基于大模型的围术期谵妄防控系统研究报告

围术期谵妄是一种急性脑功能障碍综合征,通常发生在手术前后一段时间内。患者会出现意识障碍、注意力不集中、认知功能紊乱、睡眠 - 觉醒周期失调等症状,严重者甚至会出现幻觉、妄想和攻击行为 。这种病症不仅会给患者自身带来极大的痛苦,还会对其术后康复产生严重的负面影响。从患者角度来看,围术期谵妄会显著延长患者的住院时间,增加患者的医疗费用负担。有研究表明,发生谵妄的患者住院时间平均比未发生者延长 2 - 3 天。长时间的住院不仅会影响患者的生活质量,还可能导致患者错过最佳的康复时机,影响身体机能的恢复。同时,谵妄还

嵌入式毕设/课设资料清单(速查手册·文档模板·题库,持续更新)→ 见最新文章 1073

特征拼接(Feature Concatenation)技术全景解析

特征拼接是深度学习中的核心特征融合技术,通过在指定维度连接不同来源的特征张量,创造性地解决了多源、多尺度特征融合的关键挑战。这种简单却强大的操作已成为现代神经网络架构设计的基石。

浩瀚之水的专栏 1643

地平线J6的基础简介

地平线J6M芯片:面向中阶辅助驾驶市场的高性价比芯片

weixin_43084908的博客 4485

YOLO26改进策略【卷积层】| CVPR 2024 可变形卷积 v4(DCNv4)无界权重提表达 + 线程合并降冗余,强化模型收敛速度

DCNv4(Deformable Convolution v4)是一种专为广泛视觉应用设计的高效算子,它对DCNv3进行了关键改进,有效解决了DCNv3存在的速度慢和表达能力受限等问题。

Limiiiing的博客 696

汉书HE8,好用的汇编代码编写工具

汉书HE8,好用的汇编代码编写工具早期编写汇编代码所用功能强大

RU DOS版、EFI版32bit/64bit BIOS常用工具

DOS版、EFI版的RU工具,可用来查看IO、MEM、PCI、SMBIOS等资源。亲测在EFI SHELL下可用。

ET2012新版免狗免安装绿色软件

ET2012新版免狗免安祖昂绿色软件。,新界面,新视觉,

复分析 阿尔福斯(Ahlfors) 第三版答案 英文

答案分为十章,有部分习题没有答案,全英文复分析阿尔福斯(Ahlfors) 第三版答案

上一篇: 【Langchain学习笔记(二)】Langchain安装及使用示例
下一篇: 【深度学习神经网络学习笔记(一)】深度学习介绍
禾戊之昂
禾戊之昂 新星创作者: python技术领域 新星创作者: python技术领域
博客等级 码龄6年 3436粉丝 153原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

禾戊之昂

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值