langchain.chains.openai_functions.base.create_openai_fn_chain

langchain.chains.openai_functions.base.create_openai_fn_chain(functions: Sequence[Union[Dict[str, Any], Type[BaseModel], Callable]], llm: BaseLanguageModel, prompt: BasePromptTemplate, *, enforce_single_function_usage: bool = True, output_key: str = 'function', output_parser: Optional[BaseLLMOutputParser] = None, **kwargs: Any) → LLMChain[source]

[Deprecated] [传统] 创建一个使用OpenAI函数的LLM链。

参数：

functions: 一个序列，可以是字典、pydantic.BaseModels类或Python函数。如果传入字典，则假定它们已经是有效的OpenAI函数。如果只传入一个函数，则将强制模型使用该函数。pydantic.BaseModels和Python函数应该有描述函数功能的文档字符串。为了获得最佳结果，pydantic.BaseModels应该有参数描述，Python函数应该在文档字符串中使用Google Python风格的参数描述。此外，Python函数应该只使用原始类型（str、int、float、bool）或pydantic.BaseModels作为参数。 llm: 要使用的语言模型，假定支持OpenAI函数调用API。 prompt: 传递给模型的BasePromptTemplate。 enforce_single_function_usage: 仅在传入单个函数时使用。如果为True，则将强制模型使用给定的函数。如果为False，则模型将有选择使用给定函数或不使用的选项。 output_key: 在LLMChain.__call__中返回输出时使用的键。 output_parser: 用于解析模型输出的BaseLLMOutputParser。默认情况下将从函数类型推断。如果传入pydantic.BaseModels，则OutputParser将尝试使用这些来解析输出。否则，模型输出将简单地解析为JSON。如果传入多个函数且它们不是pydantic.BaseModels，则链输出将包括返回的函数名称和传递给函数的参数。

返回：

一个LLMChain，当运行时将传入给定的函数到模型中。

示例：
from typing import Optional

from langchain.chains.openai_functions import create_openai_fn_chain
from langchain_community.chat_models import ChatOpenAI
from langchain_core.prompts import ChatPromptTemplate

from langchain_core.pydantic_v1 import BaseModel, Field


class RecordPerson(BaseModel):
    """记录有关一个人的一些身份信息。"""

    name: str = Field(..., description="人的姓名")
    age: int = Field(..., description="人的年龄")
    fav_food: Optional[str] = Field(None, description="人喜欢的食物")


class RecordDog(BaseModel):
    """记录有关一只狗的一些身份信息。"""

    name: str = Field(..., description="狗的名字")
    color: str = Field(..., description="狗的颜色")
    fav_food: Optional[str] = Field(None, description="狗喜欢的食物")


llm = ChatOpenAI(model="gpt-4", temperature=0)
prompt = ChatPromptTemplate.from_messages(
    [
        ("system", "您是一个记录实体的世界级算法。"),
        ("human", "调用相关函数记录以下输入中的实体：{input}"),
        ("human", "提示：确保以正确的格式回答"),
    ]
)
chain = create_openai_fn_chain([RecordPerson, RecordDog], llm, prompt)
chain.run("Harry是一只胖乎乎的棕色比格犬，喜欢鸡肉")
# -> RecordDog(name="Harry", color="brown", fav_food="chicken")

Notes

Deprecated since version 0.1.1: Use create_openai_fn_runnable instead.

Parameters
Return type

LLMChain