背景

想基于ChatGLM3-6B用LangChain做LLM应用，需要先了解下LangChain中对LLM的封装。本文以一个hello world的封装来示例。

LangChain中对LLM的封装

继承关系：BaseLanguageModel——》BaseLLM——》LLM

LLM类

简化和LLM的交互

_call抽象方法定义

    @abstractmethoddef _call(self,prompt: str,stop: Optional[List[str]] = None,run_manager: Optional[CallbackManagerForLLMRun] = None,**kwargs: Any,) -> str:"""Run the LLM on the given prompt and input."""

 BaseLLM类

BaseLLM类其实有两个abstract方法：_generate方法和_llm_type方法

注意：LLM类仅实现了_generate方法，未实现_llm_type方法

    @abstractmethoddef _generate(self,prompts: List[str],stop: Optional[List[str]] = None,run_manager: Optional[CallbackManagerForLLMRun] = None,**kwargs: Any,) -> LLMResult:"""Run the LLM on the given prompts."""@property@abstractmethoddef _llm_type(self) -> str:"""Return type of llm."""

BaseLanguageModel类

和语言模型交互的基础抽象类。

    """Abstract base class for interfacing with language models.

    All language model wrappers inherit from BaseLanguageModel.

    """

 LangChain封装自定义的LLM

封装一个MyLLM类，继承自LLM类，实现最简单的hello world功能。

需要实现两个函数：

1. _llm_type方法
2. _call方法

from typing import Any, List, Optional
from langchain.llms.base import LLM
from langchain_core.callbacks import CallbackManagerForLLMRunclass MyLLM(LLM):def __init__(self):super().__init__()@propertydef _llm_type(self) -> str:return "MyLLM"def _call(self, prompt: str, stop: Optional[List[str]] = None, run_manager: Optional[CallbackManagerForLLMRun] = None, **kwargs: Any) -> str:if len(prompt) < 10:return promptelse:return prompt[:10]mllm = MyLLM()
print(mllm._llm_type)
# mllm._llm_type = "haha" _llm_type该属性是无法被修改的
print(mllm("hello world!"))

关于@property

@property常用在实例方法前，目的在于把该实例方法转换为同名的只读属性，方法可以像属性一样被访问。

@property的作用主要有两个：

• @property装饰的只读属性不能被随意篡改

• 相比于类的普通属性，@property装饰的只读属性可以添加逻辑语句，例如:

@property
def enable(self):return self.age > 10

 参考

1. LLM大语言模型（八）：ChatGLM3-6B使用的tokenizer模型BAAI/bge-large-zh-v1.5-CSDN博客 
2. LLM大语言模型（七）：部署ChatGLM3-6B并提供HTTP server能力
3. LLM大语言模型（四）：在ChatGLM3-6B中使用langchain_chatglm3-6b langchain-CSDN博客
4. LLM大语言模型（一）：ChatGLM3-6B本地部署-CSDN博客