谷歌Gemini API 应用(二)：LangChain 加持

本文主要是介绍谷歌Gemini API 应用(二)：LangChain 加持，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

昨天我完成了谷歌Gemini API 应用(一)：基础应用这篇博客，今天我们要在此基础上实现Gemini模型的Langchian加持，因为Gemini API刚发布没几天，所以langchian还没有来得及将其整合到现有的langchain包的架构内，langchain公司目前发布了需要独立安装的支持Gemini API的langchain包：“langchain-google-genai”, 相信过不了多久它就会被整合到现有的langchain包的架构内。

一，配置环境

我们需要安装以下python包：

pip -q install google-generativeai==0.3.1
pip -q install langchain-google-genai
pip -q install langchain_experimental langchain_core
pip -q install "langchain[docarray]"

二、配置API_KEY

当我们在Google AI Studio页面上创建了api key以后，我们就可以在本地通过该api_key来访问谷歌的Gemini Pro等模型，下面我们来导入本次实验需要使用的python包，并配置谷歌的api_key：

import google.generativeai as genai
from IPython.display import display
from IPython.display import Markdown
import osos.environ["GOOGLE_API_KEY"] = 'your_google_api_key'#填入自己的api_key

三、模型查看

下面我们查看一下本次实验需要使用的三个谷歌Gemini模型的具体信息：

genai.configure(api_key=os.environ["GOOGLE_API_KEY"])models = [m for m in genai.list_models() if m.name in (['models/gemini-pro','models/gemini-pro-vision','models/embedding-001'])]
models

在本次实验中我们会用到谷歌的三个模型分别是语言模型gemini-pro，多模态模型gemini-pro-vision，嵌入模型embedding-001，上面我们列出来了这3个模型的具体信息包括具体的参数如输入，输出的token大小的限制等。下面我们先原生的Gemini的api来实现最基本的内容生成功能：

prompt = '你是谁，你能做什么？'model = genai.GenerativeModel('gemini-pro')response = model.generate_content(prompt)Markdown(response.text)

四、Gemini with LangChain

接下来我们通过LangChain来实现上述的内容生成功能：

from langchain_google_genai import ChatGoogleGenerativeAI,GoogleGenerativeAIEmbeddings
from langchain.vectorstores import DocArrayInMemorySearch
from langchain.prompts import ChatPromptTemplate
from langchain.schema.output_parser import StrOutputParserllm = ChatGoogleGenerativeAI(model="gemini-pro")
result = llm.invoke("LLM 是什么？")
Markdown(result.content)

这里我们看到通过langchian也很轻松的实现了gemini的内容生成的功能，不过这里需要说明的是我们在创建langchain的llm的时候我们并没有填写apk_key, 这是因为这里的gemini的llm它默认会去读取os的api_key的环境变量，因为在前面的代码中我们已经配置好了os的api_key,所以这里在创建llm时就无需填写api_key的参数了。

五、langchain的stream和batch

流式(stream)输出和批处理(batch)是langchain的两大优秀功能，流式输出可以给用户带来更好的用户体验，而批处理则可以提高用户的工作效率，因为它可以让llm同时处理多个问题，下来我们就来测试一下langchain的stream和batch能力:

for chunk in llm.stream("写一首关于躺平的打油诗。"):print(chunk.content)print("---------------------")

因为流式输出每次只输出部分结果，所以响应时间比较短，这会给用户带来比较好的用户体验，下面我们看一下批处理：

results = llm.batch(["2+2等于几?","3+5等于几?",]
)
for res in results:print(res.content)

这里我们同时向llm询问了两个简单的数学问题，llm能够同时给出这些问题的正确答案，这说明llm具备同时处理多个问题的能力。

六、Chain的使用

在我之前的多篇博客中都详细介绍了在langchian中使用chain的方法，这里我们也要尝试一下在gemini模型环境下如何来使用chian。

model = ChatGoogleGenerativeAI(model="gemini-pro",temperature=0.7)prompt = ChatPromptTemplate.from_template("给我讲一个关于{topic}的笑话"
)output_parser = StrOutputParser()chain = prompt | model | output_parserresponse = chain.invoke({"topic": "躺平"})
print(response)

这里我们使用了langchain的LCEL语法创建了一个chian, 这和我们之前介绍langchian的博客中的方法是一样的，同样我们也能得到想要的结果，不过这里我们需要说明的是，这里我们在创建model的时候设置了参数temperature=0.7, temperature这个参数的取值范围为0-1，它表示生成结果的随机性，temperature越高，产生结果的随机性越大，因此当我们需要让llm讲故事或者讲笑话的时候，我们可以适当调高temperature的值，这样每次都会产生不一样的结果的概率就会比较大，而当我们需要llm做一些严谨的数学或者逻辑的推理/计算时，我们可以调低temperature的值，甚至可以将temperature设置为0，因为这时候我们需要llm给出严谨的唯一的答案。

七、简单的RAG

在我之前的使用langchain与你自己的数据对话系列的博客中详细介绍了RAG即检索增强生成（Retrieval Augmented Generation），现在我们也需要测试一下gemini模型的RAG能力，下面我们创建一个简单的向量数据库，并存储四条文本，然后我们向llm询问有关文本的内容：

embeddings = GoogleGenerativeAIEmbeddings(model="models/embedding-001")vectorstore = DocArrayInMemorySearch.from_texts(["Gemini Pro 是 GoogleDeepMind 开发的大型语言模型。","Gemini 可以是一个星座，也可以是一系列语言模型的名称。","人是由恐龙进化而来的。","熊猫喜欢吃天鹅肉。"],embedding=embeddings # passing in the embedder model
)retriever = vectorstore.as_retriever()

这里我们创建了一个内存向量数据库，并向其中存储了4条文本，然后使用了gemini的嵌入模型“embedding-001”作为文本嵌入工具，最后我们通过向量数据库创建了一个检索器retriver, 接下来我们可以通过检索器retriver来检索向量数据库中的相关文档：

retriever.get_relevant_documents("Gemini 是什么?")

这里我们看到检索器retriver返回了相关的文档，并按文档的内容与问题的相关度对文档进行了排序。

retriever.get_relevant_documents("人从哪里来的？")

接下来我们来创建chian, 不过在创建chian之前我们需要创建prompt模板和RunnableMap，最后将它们组合成一个chain:

from langchain.schema.runnable import RunnableMap#创建prompt模板
template = """Answer the question a a full sentence, based only on the following context:
{context}
Question: {question}
"""#由模板生成prompt
prompt = ChatPromptTemplate.from_template(template)#创建chain
chain = RunnableMap({"context": lambda x: retriever.get_relevant_documents(x["question"]),"question": lambda x: x["question"]
}) | prompt | model | output_parser

当我们创建完chain以后就可以使用invoke方法来调用chain了：

#调用chain
chain.invoke({"question": "谁开发了 Gemini Pro?"})

chain.invoke({"question": "Gemini是什么？"})

chain.invoke({"question": "人是从哪里来的？"})

chain.invoke({"question": "熊猫喜欢吃什么？"})

八、PAL Chain

PALChain是Langchain中用于生成代码的程序辅助语言模型 (PAL) 解决方案。 PAL 是论文“Program-Aided Language Models”中描述的一种技术（https://arxiv.org/pdf/2211.10435.pdf）下面我们使用langchian的PALChain来实现两个简单的数学逻辑推理题：

from langchain_experimental.pal_chain import PALChainmodel = ChatGoogleGenerativeAI(model="gemini-pro",temperature=0)pal_chain = PALChain.from_math_prompt(model, verbose=True)

这里我们创建了一个model和pal_chain ，并设置了temperature=0, 这是因为我们接下来需要做严谨的逻辑推理，不需要llm产生随机性的结果，因此我们设置了temperature=0。

question ="食堂有23个苹果。如果午餐用了20个，之后又买了6个，那么食堂最后还剩多少个苹果？"
pal_chain.invoke(question)

这里我们看到pal_chain在内部定义了一个solution的pyhon函数，并在该函数中做了逻辑推理，最后得到了正确的计算结果。

question ="""
如果小明早上 7:00 起床，并且他在家花了 1 小时吃早餐，
然后又花了 30 分钟步行去学校，小明几点到的学校？
"""
pal_chain.invoke(question)

这里我们看到llm对时间的概念还存在一点问题，它并没有将最后的结果8.5转换成时间格式，而是直接以十进制的格式给出了最后的答案。

九、多模态支持

在langchain中使用多模态模型时我们需要用到langchian的HumanMessage类，它规定了一套与多模态模型对话的格式，下面我们将会将一个图片的url地址，然后询问gemini的多模态模型关于图片内容的问题：

import requests
from IPython.display import Imageimage_url = "https://upload.wikimedia.org/wikipedia/commons/e/e7/Everest_North_Face_toward_Base_Camp_Tibet_Luca_Galuzzi_2006.jpg"
content = requests.get(image_url).content
Image(content,width=300)

from langchain_core.messages import HumanMessage
from langchain_google_genai import ChatGoogleGenerativeAIllm = ChatGoogleGenerativeAI(model="gemini-pro-vision")# example
message = HumanMessage(content=[{"type": "text","text": "这个图片里有什么,它位于什么地方？",},  # You can optionally provide text parts{"type": "image_url","image_url": image_url},]
)llm.invoke([message])

这里我们给gemini-pro-visio模型一张珠穆朗玛峰的图片url，然后询问图片里有什么，它位于什么地方，我们看到llm能准确识别图片中的内容，并且给出了珠穆朗玛峰的地理位置，效果还是不错的。

总结

今天我们学习了在langchain中使用gemin模型的的一些方法，总的来说使用方法和其他的模型如openai的模型的方法都是类似的。今天我们还尝试了langchain的stream和beath方法在gemini模型上的应用，还介绍了RAG、PAL Chain的应用，最后我们用一个简单例子介绍了langchain中使用gemini多模态模型的方法。希望今天的内容对大家学习gemini大模型有所帮助