Build an LLM app using LangChain

OpenAI, LangChain, and Streamlit in 18 lines of code

在本教程中，您将构建一个Streamlit LLM应用程序，该应用程序可以从用户提供的提示生成文本。这个Python应用程序将使用LangChain框架和Streamlit。完成后，您可以选择将应用程序部署到Streamlit Community Cloud。

本教程改编自Chanin Nantesanamat的博客文章：LangChain教程#1：用18行代码构建一个LLM驱动的应用。

Built with Streamlit 🎈

Fullscreen open_in_new

Objectives

从最终用户那里获取一个OpenAI密钥。
验证用户的OpenAI密钥。
从用户那里获取一个文本提示。
使用用户的密钥验证OpenAI。
将用户的提示发送到OpenAI的API。
获取响应并显示它。

奖励：在Streamlit社区云上部署应用程序！

Prerequisites

Python 3.9+
Streamlit
LangChain
OpenAI API key

Setup coding environment

在您的IDE（集成编码环境）中，打开终端并安装以下两个Python库：

pip install streamlit langchain-openai

创建一个位于工作目录根目录的requirements.txt文件并保存这些依赖项。这对于稍后将应用程序部署到Streamlit社区云是必要的。

streamlit
openai
langchain

Building the app

该应用程序只有18行代码：

import streamlit as st
from langchain_openai.chat_models import ChatOpenAI

st.title("🦜🔗 Quickstart App")

openai_api_key = st.sidebar.text_input("OpenAI API Key", type="password")


def generate_response(input_text):
    model = ChatOpenAI(temperature=0.7, api_key=openai_api_key)
    st.info(model.invoke(input_text))


with st.form("my_form"):
    text = st.text_area(
        "Enter text:",
        "What are the three key pieces of advice for learning how to code?",
    )
    submitted = st.form_submit_button("Submit")
    if not openai_api_key.startswith("sk-"):
        st.warning("Please enter your OpenAI API key!", icon="⚠")
    if submitted and openai_api_key.startswith("sk-"):
        generate_response(text)

首先，创建一个新的Python文件并将其保存为streamlit_app.py，放在你的工作目录的根目录下。

导入必要的Python库。

import streamlit as st from langchain_openai.chat_models import ChatOpenAI
使用 st.title 创建应用的标题。

st.title("🦜🔗 Quickstart App")
为用户添加一个文本输入框，用于输入他们的OpenAI API密钥。

openai_api_key = st.sidebar.text_input("OpenAI API Key", type="password")
定义一个函数，使用用户的密钥对OpenAI API进行身份验证，发送提示，并获取AI生成的响应。此函数接受用户的提示作为参数，并使用st.info在蓝色框中显示AI生成的响应。

def generate_response(input_text): model = ChatOpenAI(temperature=0.7, api_key=openai_api_key) st.info(model.invoke(input_text))
最后，使用st.form()创建一个文本框（st.text_area()）用于用户输入。当用户点击Submit时，generate-response()函数会被调用，并将用户的输入作为参数传递。

with st.form("my_form"): text = st.text_area( "输入文本：", "学习编程的三个关键建议是什么？", ) submitted = st.form_submit_button("提交") if not openai_api_key.startswith("sk-"): st.warning("请输入您的OpenAI API密钥！", icon="⚠") if submitted and openai_api_key.startswith("sk-"): generate_response(text)
记得保存你的文件！
返回到您的计算机终端以运行应用程序。

streamlit run streamlit_app.py

Deploying the app

要将应用程序部署到Streamlit Cloud，请按照以下步骤操作：

为应用程序创建一个GitHub仓库。您的仓库应包含两个文件：

your-repository/ ├── streamlit_app.py └── requirements.txt
前往Streamlit Community Cloud，从您的工作区点击New app按钮，然后指定仓库、分支和主文件路径。您还可以通过选择自定义子域来定制应用的URL。
点击Deploy!按钮。

您的应用程序现在将部署到Streamlit社区云，并且可以从世界各地访问！🌎

Conclusion

恭喜你用18行代码构建了一个基于LLM的Streamlit应用！🥳 你可以使用这个应用从你提供的任何提示中生成文本。该应用受限于OpenAI LLM的能力，但它仍然可以用于生成一些创意和有趣的文本。

我们希望您觉得本教程有帮助！查看更多示例以了解Streamlit和LLM的强大功能。💖

愉快的 Streamlit 使用！🎈

Previous: Build a basic LLM chat app Next: Quick reference

forum

还有问题吗？

我们的论坛充满了有用的信息和Streamlit专家。