使用 LangChain 开发 LLM 应用
Jonathan Bennion
AI Engineer & LangChain Contributor






destination_prompt = PromptTemplate( input_variables=["destination"], template="I am planning a trip to {destination}. Can you suggest some activities to do there?" )activities_prompt = PromptTemplate( input_variables=["activities"], template="I only have one day, so can you create an itinerary from your top three activities: {activities}." )llm = ChatOpenAI(model="gpt-4o-mini", api_key=openai_api_key)seq_chain = ({"activities": destination_prompt | llm | StrOutputParser()}| activities_prompt | llm | StrOutputParser())
print(seq_chain.invoke({"destination": "Rome"}))
- 上午:
1. 早起参观斗兽场,可参加导览了解其历史与意义。
2. 之后前往罗马广场与帕拉蒂诺山,继续探索古罗马遗迹。
- 午餐:
3. 在历史中心附近的餐馆享用意式午餐。
- 下午:
4. 参观梵蒂冈城:圣彼得大教堂、梵蒂冈博物馆与西斯廷礼拜堂。
5. 漫步罗马街头,打卡万神殿、特雷维喷泉与纳沃纳广场等地标。
- 晚上:
6. 在公园放松,如波各赛庄园或橙园,远离喧嚣。
7. 在本地餐馆悠闲用晚餐,继续品尝意式美食与冰淇淋。
使用 LangChain 开发 LLM 应用