extraction-openai-functions
这个模板使用OpenAI函数调用来从非结构化输入文本中提取结构化输出。
提取的输出模式可以在chain.py中设置。
环境设置
设置OPENAI_API_KEY环境变量以访问OpenAI模型。
使用方法
要使用这个包，你首先需要安装LangChain CLI：
shell
pip install -U langchain-cli要创建一个新的LangChain项目并将其安装为唯一的包，可以执行以下操作：
shell
langchain app new my-app --package extraction-openai-functions如果要将其添加到现有项目中，只需运行：
shell
langchain app add extraction-openai-functions并将以下代码添加到你的server.py文件中：
python
from extraction_openai_functions import chain as extraction_openai_functions_chain
add_routes(app, extraction_openai_functions_chain, path="/extraction-openai-functions")（可选）现在让我们配置LangSmith。
LangSmith将帮助我们跟踪、监控和调试LangChain应用程序。
你可以在这里注册LangSmith。
如果你没有访问权限，你可以跳过这一部分。
shell
export LANGCHAIN_TRACING_V2=true
export LANGCHAIN_API_KEY=<your-api-key>
export LANGCHAIN_PROJECT=<your-project> # 如果未指定，默认为"default"如果你在这个目录下，你可以直接启动一个LangServe实例：
shell
langchain serve这将在本地启动一个 FastAPI 应用程序，服务器运行在 http://localhost:8000
我们可以在 http://127.0.0.1:8000/docs 上看到所有模板
我们可以在 http://127.0.0.1:8000/neo4j_cypher/playground 访问 playground
我们可以通过以下代码访问模板：
python
from langserve.client import RemoteRunnable
runnable = RemoteRunnable("http://localhost:8000/extraction-openai-functions")默认情况下，该包设置为提取论文的标题和作者，如chain.py文件中所指定。
OpenAI函数默认使用LLM。