从 Langchain 继承的 LLM 类：全面添加变量和方法指南

2024-03-02 11:34:17

从 Langchain 继承的 LLM 类：添加变量和方法的完整指南

在人工智能的不断发展中，自然语言处理（NLP）扮演着至关重要的角色。Langchain 是一个强大的 NLP 库，允许开发人员构建和部署自己的 LLM（大型语言模型）。在许多情况下，开发人员可能需要从继承自 Langchain 的 LLM 类中添加更多变量或方法，以便根据其特定需求定制模型。本文旨在提供一个全面的指南，说明如何解决此问题。

1. 了解 Langchain LLM 类的继承机制

从 Langchain 继承的 LLM 类使用 Python 的多重继承机制。这意味着子类不仅可以继承父类的属性，还可以继承其方法。此机制为开发人员提供了灵活性，使他们能够扩展基本 LLM 类并使其适应自定义需求。

2. 添加变量

要向从 Langchain 继承的 LLM 类添加变量，请执行以下步骤：

修改 init 方法：
在子类的 __init__ 方法中，使用 self 显式声明新变量。确保在调用父类的 __init__ 方法之后这样做。
遵循命名约定：
使用小写带下划线的变量名，以遵循 Python 的命名约定。

示例：

class LLM:
    def __init__(self, model_name):
        super().__init__(model_name=model_name)
        self.model_name = model_name

class OpenAILLM(LLM, ChatOpenAI):
    def __init__(self, model_name):
        super().__init__(model_name=model_name)
        self.model_name = model_name
        self.var = 'var'

3. 添加方法

要向从 Langchain 继承的 LLM 类添加方法，请执行以下步骤：

定义新方法：
在子类中定义新方法，使用 def 关键字和适当的函数签名。
确保可访问性：
确保新方法具有适当的可访问性修饰符（如 public 或 protected）。

示例：

class LLM:
    def __init__(self, model_name):
        super().__init__(model_name=model_name)
        self.model_name = model_name

class OpenAILLM(LLM, ChatOpenAI):
    def __init__(self, model_name):
        super().__init__(model_name=model_name)
        self.model_name = model_name

    def get_var(self):
        return self.var

4. 使用 property 装饰器

property 装饰器可用于创建只读或读写属性，从而简化变量访问：

示例：

class LLM:
    def __init__(self, model_name):
        super().__init__(model_name=model_name)
        self.model_name = model_name

class OpenAILLM(LLM, ChatOpenAI):
    def __init__(self, model_name):
        super().__init__(model_name=model_name)
        self.model_name = model_name

    @property
    def var(self):
        return self._var

    @var.setter
    def var(self, value):
        self._var = value