每天的專案會同步到 GitLab 上，可以前往 GitLab 查看。
有興趣的朋友歡迎留言 or 來信討論，我的信箱是 nickchen1998@gmail.com。

本日大綱

• 串接 GPT API
• 常用 message 介紹

串接 GPT API

接下來就讓我們快速使用 langchain 串接 GPT API，首先我們需要確定安裝這兩個套件

• poetry add langchain
• poetry add langchain-openai

接著看一下下方的這段程式碼：

你會發現，透過 Langchain 的 ChatOpenAI 類別，我們可以很輕鬆的串接 GPT API，只需要提供 API Key 和 Model Name 就可以了。
在程式碼的最後，我們透過 invoke 來進行對話，並且印出回應的內容。

from env_settings import EnvSettings
from langchain_openai import ChatOpenAI

env_settings = EnvSettings()

llm = ChatOpenAI(
    api_key=env_settings.OPENAI_API_KEY,
    model_name="gpt-4o"
)

print(llm.invoke("你好，請簡短告訴我你可以為我提供什麼服務？").content)

執行結果：

常用 message 介紹

眼尖的朋友可能會發現，在前一個部分我們在印出 GPT 回應的內容，是直接印出 content 的屬性。這個段落我們就要來介紹在 langchain 中常用的 message 類型。

在 langchain 中，我們有以下幾種常用的 message 類型：

一般來說，Message 的種類順序如下：

SystemMessage -> HumanMessage -> AIMessage

SystemMessage 通常會在對話開始時被使用，在整個對話流程當中也只允許出現一次，而 HumanMessage 和 AIMessage 則會在對話中不斷的被使用。並且
都是以先 HumanMessage 再 AIMessage 這樣的順序一個接一個出現，不能有兩個 HumanMessage 或是兩個 AIMessage 的情況。至於 ToolMessage
的部分則是通常會出現在 AIMessage 之後 HumanMessage 之前，並且可以出現許多次。

下方程式碼可以看到我們透過 SystemMessage 設定了語言模型的角色，並且嘗試問他可以用設定以外的語言回答問題，會得到否定的結果。

from env_settings import EnvSettings
from langchain_openai import ChatOpenAI
from langchain_core.messages import SystemMessage, HumanMessage

env_settings = EnvSettings()

llm = ChatOpenAI(
    api_key=env_settings.OPENAI_API_KEY,
    model_name="gpt-4o"
)


ai_message = llm.invoke([
    SystemMessage(content="你是一個繁體中文機器人，會理解使用者的提問並使用繁體中文回答。"),
    HumanMessage(content="你好，請問你可以用英文回答我的問題嗎？"),
])

print(ai_message.content)

執行結果：

內容預告

今天我們介紹了該如何使用 langchain 串接 GPT API，並且介紹了 langchain 中常用的 message 類型。明天我們將會介紹如何進行連續問答，讓語言模型擁有記憶力。