LangChain中文网 - 跟着LangChain学AI开发

Introduction | 🦜️🔗 LangChain

这次来看看LangChain，先找到了官网中英文文档。跟着pip配置了相关文件。

然后在智谱大模型智谱AI开放平台获取了免费的API

这里可以获取2种模型，一种是能思考的推理模型GLM-Z1-Flash，一种是完成文字接龙任务的语言模型GLM-4-Flash-250414（翻译、文档处理等）

 根据官方文档中构建一个简单的 LLM 应用，将代码让豆包改为智谱大模型能用的版本。并替换API

代码如下： 

from fastapi import FastAPI, HTTPException
from pydantic import BaseModel, Field
import json
import requests
import re  # 引入正则表达式用于结果清洗

# 替换为你的智谱API密钥
ZHIPUAI_API_KEY = "替换为你的智谱API密钥"


class TranslationRequest(BaseModel):
    language: str = Field(..., description="目标语言（如：英语、日语、法语）")
    text: str = Field(..., description="需要翻译的文本内容")


app = FastAPI(
    title="GLM-4翻译API（纯结果版）",
    version="1.0",
    description="基于GLM-4-Flash-250414模型，仅返回纯翻译结果"
)


@app.post("/translate", response_description="仅包含纯翻译结果")
async def translate_text(request: TranslationRequest):
    try:
        # 1. 强化提示词（明确禁止任何额外内容）
        prompt = f"""严格执行以下指令，不添加任何额外信息：
        1. 将文本翻译成{request.language}
        2. 只返回翻译后的文本，不包含：
           - 解释、说明、分析
           - 翻译过程、思考逻辑
           - 任何标记（如引号、符号）
           - 问候语或结束语
        3. 文本：{request.text}"""

        # 2. 模型请求参数（强化确定性）
        api_url = "https://open.bigmodel.cn/api/paas/v4/chat/completions"
        headers = {
            "Content-Type": "application/json",
            "Authorization": f"Bearer {ZHIPUAI_API_KEY}"
        }
        payload = {
            "model": "GLM-4-Flash-250414",
            "messages": [{"role": "user", "content": prompt}],
            "temperature": 0.0,  # 0表示完全确定性输出，无随机内容
            "max_tokens": 1000,
            "response_format": {"type": "text"}  # 强制返回纯文本格式
        }

        # 3. 发送请求
        response = requests.post(
            url=api_url,
            headers=headers,
            data=json.dumps(payload)
        )
        response.raise_for_status()
        response_data = response.json()
        raw_translation = response_data["choices"][0]["message"]["content"]

        # 4. 终极清洗：移除所有可能的冗余内容
        cleaned_translation = raw_translation.strip()
        # 移除可能的思维链标记（包括中文/英文标记）
        cleaned_translation = re.sub(r"^.*?翻译结果：", "", cleaned_translation)  # 移除"翻译结果："前缀
        cleaned_translation = re.sub(r"^[\"'](.*?)[\"']$", r"\1", cleaned_translation)  # 移除首尾引号
        cleaned_translation = re.sub(r"^.*?：", "", cleaned_translation)  # 移除任何"XX："前缀
        cleaned_translation = cleaned_translation.strip()

        return {
            "original_text": request.text,
            "target_language": request.language,
            "translation": cleaned_translation  # 仅保留清洗后的纯翻译结果
        }

    except requests.exceptions.HTTPError as e:
        raise HTTPException(
            status_code=response.status_code,
            detail=f"API请求失败: {str(e)}，响应：{response.text}"
        )
    except KeyError as e:
        raise HTTPException(
            status_code=500,
            detail=f"响应格式错误，缺少字段: {str(e)}，响应：{response.text}"
        )
    except Exception as e:
        raise HTTPException(
            status_code=500,
            detail=f"翻译出错: {str(e)}"
        )


if __name__ == "__main__":
    import uvicorn

    uvicorn.run(app, host="localhost", port=8000, reload=True)

运行之后得到一个网址http://localhost:8000/docs 

进入网页后，根据豆包的提示进行操作，主要是在edit value中输入语言和翻译句子，在code detail查看结果。经过反复报错修改

 目前我得到的结果是一个推理模型的答案，也就是会有思考过程。要求用英文翻译 "这是一个测试"，得到了这样一段文字。

好的，用户让我把“这是一个测试”翻译成英语，而且只要结果，不要解释。首先，我需要确认原文的意思，确保准确翻译。测试在英语中通常是“test”，所以直译的话就是“This is a test.”。\n\n接下来，检查有没有需要注意的地方，比如语法是否正确，有没有拼写错误。确认无误后，按照用户的要求，只返回翻译后的句子，不加任何其他内容。用户可能是在测试翻译功能，或者需要快速得到结果，所以必须简洁。同时，用户可能希望确保翻译的准确性，特别是如果用于正式场合的话。不过这里看起来是简单的测试，所以直接给出正确翻译即可。最后，确保没有多余的空格或符号，符合用户的要求。\n</think>\nThis is a test."
}

 在我替换了不同模型的Api后结果仍然如此，有待继续解决。