我要投稿
背景
LangChain 提供了强大的框架和工具，使得开发者可以轻松地自定义和封装大型语言模型（LLM）。通过使用 LangChain，开发者可以突破对 OpenAI API Key 的依赖，并实现更加个性化和灵活的 LLM 应用。比如，我们有个很新很新的LLM，langchain还未提供对应的集成支持，如何在尽可能不修改原项目代码的情况下，封装自定义的大语言模型（LLM）模块呢？本文的目的就是带你一起探索如何利用langchain库快速封装自定义的LLM。自定义LLM常用于以下场景：
1. 用于封装langchain尚未支持的大型语言模型。对于新模型或者还未集成的模型自己封装实现支持。
2. 模拟测试。假设有个模型调用成本高，但是我们知道这个模型对于特定的输入大概返回什么样的结果，那么我们可以封装个自定义LLM，比如MOCK一个模块来模拟真实的模块，这样就无需每次耗费大量的token去从最开始的入口调用LLM。
3. 定义LLM模块被调用的时候，如何根据输入的文本来输出。这个就是定制自己调用的LLM方法。
实现思路
从实现的角度，我们依然是依照LLM的输入输出框架来定义，如下：
my_custom_llm = MyCustomLLM()print(my_custom_llm("你好啊！"))需要继承 langchain_core.language_models.llms.LLM
简单示例
from typing import Any,List,Mapping,Optionalfrom langchain.llms.base importLLMfrom langchain.callbacks.manager importCallbackManagerForLLMRunclass MyCustomLLM(LLM):def _llm_type(self) -> str:return "傻傻的LLM"def _call(self,prompt: str,stop: Optional[List[str]] = None,run_manager: Optional[CallbackManagerForLLMRun] = None,**kwargs: Any,) -> str:if stop is not None:raise ValueError("stop kwargs are not permitted.")return "怎么啦？"llm = MyCustomLLM()print(llm("你好"))print(llm("你怎么那么多问题？"))
答复：
怎么啦？怎么啦？
53AI，企业落地大模型首选服务商
产品：场景落地咨询+大模型应用平台+行业解决方案
承诺：免费场景POC验证，效果验证后签署服务协议。零风险落地应用大模型，已交付160+中大型企业
2025-05-27
Langchain创始人最新分享：如何跨越“原型惊艳”到“生产可靠”的鸿沟
2025-05-26
简单实战LangChain多任务应用开发
2025-05-26
二、LangChain提示词工程
2025-05-24
AI Agent技术原理解析 —— LangManus、Deerflow...
2025-05-21
首个落地案例！WEBTOON 用 LangGraph 构建故事理解 Agent，创作者 AI 时代的范式来了？
2025-05-21
一文学会LangChain搭建Agent工具
2025-05-19
新手必看！LangGraph如何轻松搞定多语言模型协同工作
2025-05-19
LangChain：一个AI应用框架的开发生态
2024-10-10
2024-07-13
2024-06-03
2024-04-08
2024-09-04
2024-04-08
2024-08-18
2024-03-28
2024-06-24
2024-07-10
2025-05-21
2025-05-19
2025-05-08
2025-05-06
2025-04-22
2025-04-18
2025-03-22
2025-03-22
回到顶部
粤ICP备17114055号
