在本文中，您将受到开始使用 Python 编程语言构建 LLM 应用程序所需的知识的影响。

图片由编辑提供 |Midjourney 和 Canva

罗宾·夏尔马（Robin Sharma）说：“每个大师都曾经是初学者。每个职业选手都曾经是业余爱好者。您已经听说过大型语言模型 （LLM）、AI 和 Transformer 模型 （GPT） 在 AI 领域掀起波澜一段时间，并且对如何开始感到困惑。我可以向你保证，你今天看到的构建复杂应用程序的每个人都曾经在那里。

这就是为什么在本文中，您将受到开始使用 Python 编程语言构建 LLM 应用程序所需的知识的影响。这完全适合初学者，您可以在阅读本文时一起编写代码。

您将在本文中构建什么？您将创建一个简单的 AI 个人助理，该助理会根据用户的提示生成响应，并将其部署为全局访问它。下图显示了完成的应用程序的外观。

此图显示了本文中将构建的 AI 个人助理的用户界面

先决条件

为了让您继续阅读本文，您需要锁定一些内容。这包括：

Python （3.5+），以及后台编写 Python 脚本。OpenAI：OpenAI 是一家研究机构和技术公司，旨在确保通用人工智能 （AGI） 造福全人类。它的主要贡献之一是开发了 GPT-3 和 GPT-4 等高级 LLM。这些模型可以理解和生成类似人类的文本，使其成为聊天机器人、内容创建等各种应用程序的强大工具。注册 OpenAI 并从您帐户的 API 部分复制您的 API 密钥，以便您可以访问模型。使用以下命令在您的计算机上安装 OpenAI：pip install openaiLangChain：LangChain是一个框架，旨在简化利用LLM的应用程序的开发。它提供了工具和实用程序来管理和简化使用 LLM 的各个方面，使构建复杂而健壮的应用程序变得更加容易。

使用以下命令在您的计算机上安装LangChain：

pip install langchainStreamlit：Streamlit 是一个功能强大且易于使用的 Python 库，用于创建 Web 应用程序。Streamlit 允许您单独使用 Python 创建交互式 Web 应用程序。您不需要 Web 开发（HTML、CSS、JavaScript）方面的专业知识来构建功能强大且具有视觉吸引力的 Web 应用程序。它有利于构建机器学习和数据科学应用程序，包括那些使用 LLM 的应用程序。 使用以下命令在您的计算机上安装 streamlit：pip install streamlit一路编码

安装完所有必需的包和库后，是时候开始构建 LLM 应用程序了。在工作目录的根目录中创建一个requirement.txt并保存依赖项。

streamlitopenailangchain

创建一个 app.py 文件并添加下面的代码。

# Importing the necessary modules from the Streamlit and LangChain packagesimport streamlit as stfrom langchain.llms import OpenAI导入用于创建交互式 Web 应用程序的 Streamlit 库。from langchain.llms import OpenAI 从 langchain.llms 模块导入 OpenAI 类，该模块用于与 OpenAI 的语言模型进行交互。# Setting the title of the Streamlit applicationst.title('Simple LLM-App ')st.title（'Simple LLM-App '） 设置 Streamlit Web 的标题。# Creating a sidebar input widget for the OpenAI API key, input type is password for securityopenai_api_key = st.sidebar.text_input('OpenAI API Key', type='password')openai_api_key = st.sidebar.text_input（'OpenAI API Key'， type='password'） 在侧边栏中创建一个文本输入小部件，供用户输入其 OpenAI API 密钥。输入类型设置为“密码”以隐藏输入的文本以确保安全。# Defining a function to generate a response using the OpenAI language modeldef generate_response(input_text): # Initializing the OpenAI language model with a specified temperature and API key llm = OpenAI(temperature=0.7, openai_api_key=openai_api_key) # Displaying the generated response as an informational message in the Streamlit app st.info(llm(input_text))def generate_response（input_text） 定义了一个名为 generate_response 的函数，该函数将 input_text 作为参数。llm = OpenAI（temperature=0.7， openai_api_key=openai_api_key） 初始化 OpenAI 类，温度设置为 0.7，并提供 API 密钥。

温度是用于控制语言模型生成的文本的随机性或创造性的参数。它决定了模型在其预测中引入的可变性程度。

低温 （0.0 - 0.5）：这使得模型更具确定性和重点。中温 （0.5 - 1.0）：在随机性和确定性之间取得平衡。高温（1.0 及以上）：增加输出的随机性。较高的值使模型的响应更具创造性和多样性，但这也可能导致连贯性降低，以及更多荒谬或偏离主题的输出。st.info（llm（input_text）） 使用提供的input_text调用语言模型，并在 Streamlit 应用程序中将生成的响应显示为信息性消息。# Creating a form in the Streamlit app for user inputwith st.form('my_form'): # Adding a text area for user input text = st.text_area('Enter text:', '') # Adding a submit button for the form submitted = st.form_submit_button('Submit') # Displaying a warning if the entered API key does not start with 'sk-' if not openai_api_key.startswith('sk-'): st.warning('Please enter your OpenAI API key!', icon='⚠') # If the form is submitted and the API key is valid, generate a response if submitted and openai_api_key.startswith('sk-'): generate_response(text)使用 st.form（'my_form'） 创建一个名为 my_form 的表单容器。text = st.text_area（'Enter text：'， ''） 在表单中添加一个文本区域输入小部件，供用户输入文本。submitted = st.form_submit_button（'Submit'） 向表单添加一个提交按钮。如果不是，openai_api_key.startswith（'sk-'） 检查输入的 API 密钥是否不以 sk- 开头。st.warning（'Please enter your OpenAI API key！'， icon='⚠'） 如果 API 密钥无效，则会显示一条警告消息。if submitted 和 openai_api_key.startswith（'sk-'） 检查表单是否已提交以及 API 密钥是否有效。generate_response（text） 使用输入的文本调用 generate_response 函数以生成并显示响应。

把它放在这里就是你所拥有的：

# Importing the necessary modules from the Streamlit and LangChain packagesimport streamlit as stfrom langchain.llms import OpenAI# Setting the title of the Streamlit applicationst.title('Simple LLM-App ')# Creating a sidebar input widget for the OpenAI API key, input type is password for securityopenai_api_key = st.sidebar.text_input('OpenAI API Key', type='password')# Defining a function to generate a response using the OpenAI modeldef generate_response(input_text): # Initializing the OpenAI model with a specified temperature and API key llm = OpenAI(temperature=0.7, openai_api_key=openai_api_key) # Displaying the generated response as an informational message in the Streamlit app st.info(llm(input_text))# Creating a form in the Streamlit app for user inputwith st.form('my_form'): # Adding a text area for user input with a default prompt text = st.text_area('Enter text:', '') # Adding a submit button for the form submitted = st.form_submit_button('Submit') # Displaying a warning if the entered API key does not start with 'sk-' if not openai_api_key.startswith('sk-'): st.warning('Please enter your OpenAI API key!', icon='⚠') # If the form is submitted and the API key is valid, generate a response if submitted and openai_api_key.startswith('sk-'): generate_response(text)运行应用程序

应用程序已准备就绪;您需要使用适用于您正在使用的框架的命令来执行应用程序脚本。

streamlit run app.py

通过使用 streamlit run app.py 运行此代码，可以创建一个交互式 Web 应用程序，用户可以在其中输入提示并接收 LLM 生成的文本响应。

执行 streamlit run app.py 时，会发生以下情况：

Streamlit 服务器启动：Streamlit 在您的计算机上启动本地 Web 服务器，默认情况下通常以“http://localhost:8501”访问。代码执行：Streamlit 在“app.py”中读取并执行代码，按照脚本中的定义呈现应用。Web 界面：您的 Web 浏览器会自动打开（或者您可以手动导航）到 Streamlit 提供的 URL（通常为 http://localhost:8501），您可以在其中与您的 LLM 应用程序进行交互。部署 LLM 应用程序

部署 LLM 应用程序意味着可以通过 Internet 访问它，以便其他人可以使用和测试它，而无需访问您的本地计算机。这对于协作、用户反馈和实际测试非常重要，可确保应用在各种环境中表现良好。

若要将应用程序部署到 Streamlit Cloud，请执行以下步骤：

为应用创建 GitHub 存储库。确保您的存储库包含两个文件：app.py 和 requirements.txt转到 Streamlit Community Cloud，单击工作区中的“新建应用”按钮，然后指定存储库、分支和主文件路径。单击“部署”按钮，您的 LLM 应用程序现在将部署到 Streamlit Community Cloud，并且可以在全球范围内访问。

结论

祝贺！您已经迈出了使用 Python 构建和部署 LLM 应用程序的第一步。从了解先决条件、安装必要的库和编写核心应用程序代码开始，您现在已经创建了一个功能性的 AI 个人助理。通过使用 Streamlit，您使您的应用程序具有交互性和易用性，并且通过将其部署到 Streamlit 社区云，您可以将其提供给全球用户。

借助在本指南中学到的技能，您可以更深入地了解 LLM 和 AI，探索更高级的功能并构建更复杂的应用程序。不断尝试、学习并与社区分享您的知识。LLM 的可能性是巨大的，而您的旅程才刚刚开始。祝您编码愉快！

Shittu Olumide 是一名软件工程师和技术作家，热衷于利用尖端技术来制作引人入胜的叙述，对细节有着敏锐的眼光和简化复杂概念的诀窍。您也可以在 Twitter 上找到 Shittu。

原文标题：Beginner’s Guide to Building LLM Apps with Python

原文链接：https://www.kdnuggets.com/beginners-guide-to-building-llm-apps-with-python

作者：Shittu Olumide

编译：LCR