以OPENAI為例，來實作：

先安裝langchain得相關sdk

pip install langchain-openai

並且設定一個.env檔放置根目錄，langchain會直接幫你讀取有關於OPENAI_API_KEY 的相關變數。

所以最後呈現以下程式：

from langchain_openai import OpenAI

llm = OpenAI()
result = llm.invoke("請問周杰倫是誰？")
print(result)

上述最終執行方式使用.invoke 做執行，接下來的LLM呼叫大部份都是遵循這一種方式，就是這麼樸實無華，是不是比原本前幾天說到實作API方式更簡單呢！

接下來就是一些langchain特有的功能，叫做Chaining，我稱之為鏈式，簡單來說這個操作就是可以把原本需要複雜的input結構，改的更通用更簡單使用，以下範例：

from langchain_core.prompts import PromptTemplate
from langchain_openai import OpenAI
prompt = PromptTemplate.from_template("How to say {input} in {output_language}:\n")

llm = OpenAI()
chain = prompt | llm
result = chain.invoke(
    {
        "output_language": "繁體中文",
        "input": "I love programming.",
    }
)
print(result)

我們簡單解釋一下：

1. 創建了一個提示模板。這個模板包含兩個變數：{input} 和 {output_language}。
2. 創建了一個簡單的鏈，使用管道操作符 | 將提示模板和語言模型連接起來。這意味著提示模板的輸出將被直接傳遞給語言模型。
3. 傳入了兩個參數：
   • output_language: 指定要翻譯成的語言（這裡是繁體中文）
   • input: 要翻譯的英文句子

有沒有很像一些AI系統正在使用的方式呢？舉例來說我丟PPT進去AI，我不用任何解釋AI就知道要幫我美化PPT是一樣的概念，很多應用都是類似這得套用方式，大概跟大家分享到這邊。