使用langchain接入通义千问与知识图谱

文章目录

前言
大前提
准备工作
- 0. 找一个key
- 1. 手动部署
- 2. Docker部署
该怎么开始
用户的提问
问答历史
读取api-key
使用Streamlit构建页面框架
Prompt知识库的植入
Prompt知识库的执行
Prompt知识库详细内容植入
更新布局
补全页面细节

前言

这一篇文章将尝试做一个缝合怪，把langchain、知识图谱以及qwen融合在一起，形成一个智能问答系统。其中，数据集将采用liuhuanyong老哥提供的以疾病为中心的一定规模医药领域知识图谱，同时教程将结合ranying666提供的控制台形式缝合教程以及Neo4j官方提供的网页形式缝合教程

最终产品就是这样的：点击跳转到我的GitHub中这个项目

如果想体验一下，也是没问题的：点击跳转到体验demo中

比较尴尬的是，服务器性能有限，经常挂掉，如果显示不可达，那应该是挂掉了。（首）

大前提

个人认为，Neo4j官方提供的网页形式缝合教程非常适合小白，一步步引导你如何使用Neo4j、streamlit、langchain、openai等工具，搭建一个基于Neo4j的LLM聊天机器人，并运行起来。

这个教程的前提有两个：

首先是你得有一个Neo4j的账号，免费注册一个即可。注册后就能够看到教程的详细内容。

其次是你的有一个ChatGPT的账号，而且还得给API付费，不光是ChatGPT的Plus套餐。如果只有Plus套餐，在后续将会报错，大意就是说api-key异常。

当你全部都准备好了，那就去学吧。如果你没有给API付费，那么你将停在教程的一半，就像我一样。不过幸运的是，即使只有一半，你也基本具备了langchain接入任何大模型的基本技能。所以，在这两个缝合教程的基础上，我再来一个究极缝合教程。

准备工作

我也学着Neo4j官方教程的样子，先给你一个准备好的库，大概可以直接运行，但是效果可能并不是很好。如果你已经熟读了源码，你会发现，这个大模型目前只能处理心肌炎相关的医疗问题。对于一些学习的人来说，这个方向实在是食之无味弃之可惜。

不说那么多啦，上链接！点击这里跳转到库。

0. 找一个key

是指你认为还行的大模型的api-key。这里我采用的通义千问，所以记录下来你在通义千问弄到的api-key。

使用方法就两种：

1. 手动部署

$ git clone https://github.com/sakebow/streamlit-tongyi # 下载库
$ cd streamlit-tongyi                                   # 进入目录
$ pip install -r requirements.txt                       # 安装依赖
$ echo "DASHSCOPE_API_KEY=sk-x" > streamlit-tongyi/.env # 输入api-key
$ streamlit run bot.py                                  # 运行

这样你就能够在localhost:8501看到一个streamlit的界面了，就像这样：

界面搭建完成

2. Docker部署

$ echo "DASHSCOPE_API_KEY=sk-x" > streamlit-tongyi/.env # 输入api-key
$ docker build -t tongyi/streamlit:v1 .                 # 构建镜像
$ docker run -d -p 8501:8501 tongyi/streamlit:v1        # 运行

这样你就能够在localhost:8501看到一个streamlit的界面了。

该怎么开始

那么这里面到底做了什么呢？我们来一个很直观的流程图：

结构图

用户使用这个系统的时候，就是首先跟问答存储的部分互动。

互动开始后，问答存储的部分首先就为每一位用户维护一个session。然后，问答存储的部分就要去集齐三块拼图，分别是：

用户的提问
问答历史
拓展知识库

利用这三块拼图生成prompt，然后就交给大模型，大模型就开始针对这些上下文信息生成回答。

如果不考虑prompt为大模型带来的任何场景信息的话，这个prompt就可以直接简化为这样子：

prompt = """"
{用户的提问} {问答历史} {拓展知识库}
"""

当然，用中文看着怪怪的。不管三七二十一，总之把中文改成英文，应该就高大上了一些。于是，用human_input表示用户的提问，用chat_history表示问答历史，用text表示拓展知识库，于是就有：

prompt = """"
{human_input} {chat_history} {text}
"""

用户的提问

用户的提问跟大模型的回答，共同构成了问答的数据库。那么，我们应该怎么处理这些内容呢？当然，langchain很贴心的为我们准备了很丰富的工具，包括HumanMessage、AIMessage、SystemMessage、ChatMessage等。但那些都是后话了，我们不去想这么深入的东西，一步步来。

问答历史

问答历史，听着就像数据库一样。既然要保存数据库，那是不是得有一个类似memory、database的地方？没错，确实有一个，叫做langchain.memory.ConversationBufferMemory。

这个ConversationBufferMemory类本身具备human_prefix、ai_prefix以及memory_key三个属性，分别用来表示用户输入的前缀、大模型输出的前缀以及历史对话的前缀。这样的话，就能够按照默认的规则整理内容，从而让内容能够让人类能多少理得顺溜一点。比如，我输入Hello，那么经过这个ConversationBufferMemory类之后，就会变成Human: Hello，然后大模型输出Hello，就会变成AI: Hello。整理起来就成了：

["Human: Hello","AI: Hello"
]

他在代码中有什么实际作用吗？抱歉，在简单使用的场景下，确实没有什么用。在使用场景更为复杂的地方可能就有用了。

除了这个以外，该类继承自BaseChatMemory，也就继承了input_key属性。这个属性比较有意思的是，可以指定用户输入的部分是什么。

在很多教程中都不会说明这个字段，因为他是从父类继承下来的，不是自己直接就有的，而且这么设计有一个最神奇的用法，就在于：

如果你的prompt只有 $2$ 个变量，那么它就不必要存在。

怪不得大家都不会写这个参数呢。

当然这个也算好的，因为还有更坏的。还记得memory_key吗？还记得他的默认值是history对吧？所以，离谱就在于：

如果你的问答历史用的变量叫做history，那么它就不必要存在。

如果你是防御型编程选手，把变量名全都改成默认，然后省掉所有参数，确实就像把天真烂漫的新人拉进米奇♂妙妙屋一样（~~哦, 夜♂色~~）。

好像扯远了。

总之，在现在需要至少 $3$ 个拼图的需求下，最好还是区分好input_key，否则，除了chat_history以外的所有变量会全部塞进input_key，然后爆炸（~~raise Error~~）。

最好还是给定一个hunman_input变量，就像这样：

memory = ConversationBufferMemory(memory_key="chat_history", input_key="human_input")

读取api-key

首先，我们采用load_dotenv加载.env文件，获取到了api-key。

需要注意的是，load_dotenv对应的文件是项目根目录下的.env，或者与脚本同目录下的.env文件。

如果你在其他地方看到的是使用.streamlit/secrets.toml文件，这个是streamlit读取的默认配置文件。

还有用os设置环境变量的，比如：

os.environ["OPEN_API_KEY"] = "sk-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx"

从结果上来说，这些都是完全相同的。

就跟穿秋裤一样，有些人喜欢穿一套的，所以前前后后整整齐齐的streamlit；有些人并不在意是不是一套，所以直接东拼西凑，毕竟最终的功能是要保暖。

P.S.：这个方法读取api-key的效果并不是很稳定，有可能会突然就找不到api-key然后就报错。

使用Streamlit构建页面框架

然后，我们采用streamlit构建了一个基本的页面框架，就像写markdown一样轻松。

首先设置标题，也就是<head>标签下的<title>与<link rel="icon">标签：

st.set_page_config("Ebert", page_icon=":movie_camera:")

然后，在启动的时候为大模型提供一个问好的内容：

if "messages" not in st.session_state:st.session_state.messages = [{"role": "assistant","content": "Hi, I'm the GraphAcademy Chatbot! How can I help you?"},]

若存在session信息，则继续追加，否则重新启动一段对话。

当streamlit完成页面的搭建之后，就能够出现一个基本的页面了。

界面搭建完成

Prompt知识库的植入

这个部分也就是最后我们需要植入的text。如何理解这个text呢？我们以本文提到的医学领域为例。比方说我们现在需要让大模型回答心肌炎相关的问题，那么我们就只需要将心肌炎相关的内容给一个文本就好了。最简单的，就是令text=${心肌炎相关内容}。

当然，一般的产品需要有一定的灵活性，这个时候，我们就可以用web技术，将难以微调、难以prompt的知识库，提供一个网络访问接口，然后利用爬虫技术赋予text内容。

如何赋予呢？langchain贴心地为我们提供了接口，也就是langchain.chains.combine_documents_chain.stuff.StuffDocumentsChain。

这个类给出了一个注释：

This chain takes a list of documents and first combines them into a single string.

It does this by formatting each document into a string with the document_prompt and then joining them together with document_separator.

It then adds that new string to the inputs with the variable name set by document_variable_name.

Those inputs are then passed to the llm_chain.

大致意思就是，文件将通过document_variable_name输入这个chain。进一步地，这个chain将文件列表整理为一长串字符串，然后将每一个包装为一个prompt。把每一个prompt连起来，两两之间用一个分隔符分开，形成一个超级巨大的prompt，作为llm_chain的输入。

听不太懂？官方注释甚至贴心地给你了一个小案例：

from langchain.chains import StuffDocumentsChain, LLMChain
from langchain_core.prompts import PromptTemplate
from langchain_community.llms import OpenAI# This controls how each document will be formatted. Specifically,
# it will be passed to `format_document` - see that function for more details.
document_prompt = PromptTemplate(input_variables=["page_content"],template="{page_content}"
)
document_variable_name = "context"
llm = OpenAI()
# The prompt here should take as an input variable the
# `document_variable_name`
prompt = PromptTemplate.from_template("Summarize this content: {context}"
)
llm_chain = LLMChain(llm=llm, prompt=prompt)
chain = StuffDocumentsChain(llm_chain=llm_chain,document_prompt=document_prompt,document_variable_name=document_variable_name
)

所以，基本上使用StuffDocumentsChain就足够植入文档了。

Prompt知识库的执行

在完成知识库植入之后，就是执行的时候了。针对StuffDocumentsChain，我们只需要调用他的run方法即可：

response = stf_chain.run(human_input = message,chat_history = st.session_state.messages if st.session_state.messages else "",input_documents = load_documents(input_documents)
)
write_message('assistant', response)

run方法需要三个重要参数：

human_input：用户最新一次的提问；
chat_history：以往的交互记录；
input_documents：知识库的文字内容；

其中需要格外注意的是，input_documents需要的是Document类的对象列表。什么才是Document类的对象列表呢？就像这样：

from langchain.schema import Document
response = stf_chain.run(human_input = message,chat_history = st.session_state.messages if st.session_state.messages else "",input_documents = [Document(page_content="text1"), Document(page_content="text2")]
)

而如果需要异步获取文档的话，则在获取的过程中需要额外将文本转变为Document类型，即[Document(page_content="text from api")]。当然，这个过程已经封装在html2text库中了。

Prompt知识库详细内容植入

需要说明的是，在植入文档的过程中，有这么两个选项，一个是异步获取文档，一个是直接输入文档。

直接输入文档无非就是直接写死，当然也有很多其他的方法。不过这类更适合确认的模板。

而异步获取需要通过http获取。这个里面有一个很大的坑：多线程。

因为streamlit是单线程的，所以异步获取的时候，streamlit会直接报错，因为有时候数据会没在streamlit到达业务逻辑之前到达，那就导致对象为空，或者接口未实现。这种问题其实很难找到。

那么，异步获取的过程就是阻塞进程的过程。

有关Python的协程（coroutine）已经有很多说明了。我们需要借助类似asyncio等带有awaitable属性的库，用于创建一个新的线程，并且利用asyncio中的run_until_complete方法来阻塞进程。

这个过程将依靠futures类创建一个进程锁，所有的进程都将等待这个锁的释放。无论这个唯一正在运行的进程是成功了还是报错了，最终都将释放锁，从而解放其他的进程。

于是呢，这个进程对web的接口性能带来了较大的考验。如果是数据量极大、消耗时间极长的接口，往往会造成很多因为时间片过长而初始化失败的问题。

更新布局

在每次大模型回答出问题以及用户提起新问题的过程中，都将为chat_history增加新记录，这个新纪录将需要在streamlit页面中更新。无论是哪个角色更新了页面中的详细页面：

def write_message(role, content, save=True):if save:st.session_state.messages.append({"role": role, "content": content})with st.chat_message(role):st.markdown(content)# Display messages in Session State
for message in st.session_state.messages:write_message(message['role'], message['content'], save=False)

补全页面细节

为了接收用户输入，我们需要利用streamlit的输入框：

st.chat_input("Yo, what's up, bro?")

其次，这个函数将返回用户的输入，所以用一个变量接收：

prompt = st.chat_input("Yo, what's up, bro?")

然后，我们将用户的输入更新到页面上：

write_message('user', prompt)

然后我们就使用stf_chain返回一个结果，然后更新页面：

def handle_submit(message):response = stf_chain.run(human_input=message,chat_history="",input_documents=load_documents(url))write_message('assistant', response)handle_submit(prompt)

当然，有些教程还会提到给一个非常人性化的加载显示：

def handle_submit(message):with st.spinner('Thinking...'):response = stf_chain.run(human_input=message,chat_history="",input_documents=load_documents(url))write_message('assistant', response)

再加上我们还有海象运算符:=，就可以更简单：

if prompt := st.chat_input("Yo, what's up, bro?"):write_message('user', prompt)handle_submit(prompt)

就是这样啦。