# 用LangChain Decorators简化你的AI应用开发
LangChain Decorators为LangChain添加了一层语法糖，使开发自定义的LangChain提示和链更简单、优雅。本文将带你深入了解这个工具的使用方法、潜在挑战以及解决方案。
## 引言
LangChain是一个强大的工具生态系统，提供了丰富的API帮助开发者构建AI应用。LangChain Decorators进一步简化了这一过程，通过装饰器的方式让代码更具Pythonic风格，方便IDE进行类型检查和提示。
## 主要内容
### 优势和功能
- **Pythonic代码风格**：装饰器简化了多行提示的编写。
- **提高IDE支持**：文档、参数提示一目了然。
- **可选参数支持**：轻松定义可选参数。
- **共享参数**：通过类绑定在多个提示之间共享参数。
### 安装和开始使用
安装LangChain Decorators非常简单：
```bash
pip install langchain_decorators
可以通过Jupyter Notebook或Colab Notebook查看完整的使用示例。
基本用法
定义一个使用装饰器的函数：
from langchain_decorators import llm_prompt
@llm_prompt
def write_me_short_post(topic: str, platform: str = "twitter", audience: str = "developers") -> str:
"""
Write me a short header for my post about {topic} for {platform} platform.
It should be for {audience} audience.
(Max 15 words)
"""
return
# 使用API代理服务提高访问稳定性
response = write_me_short_post(topic="starwars")
高级特性
全局设置
可以通过GlobalSettings设置默认的语言模型：
from langchain_decorators import GlobalSettings
GlobalSettings.define_settings(
default_llm=ChatOpenAI(temperature=0.0)
)
自定义提示类型
可以自定义自己的提示类型：
from langchain_decorators import PromptTypes, PromptTypeSettings
class MyCustomPromptTypes(PromptTypes):
GPT4 = PromptTypeSettings(llm=ChatOpenAI(model="gpt-4"))
@llm_prompt(prompt_type=MyCustomPromptTypes.GPT4)
def write_a_complicated_code(app_idea: str) -> str:
...
代码示例
以下是一个完整的LangChain Decorators应用示例：
from langchain_decorators import llm_prompt
@llm_prompt
def write_name_suggestions(company_business: str, count: int) -> list:
""" Write me {count} good name suggestions for company that {company_business} """
pass
suggestions = write_name_suggestions(company_business="sells cookies", count=5)
print(suggestions)
常见问题和解决方案
网络限制问题
由于某些地区的网络限制，开发者可能需要考虑使用API代理服务以提高接口访问的稳定性。
异步与流式传输
使用异步函数和流式传输时，确保将函数标记为async并在装饰器中开启流式传输。
总结和进一步学习资源
LangChain Decorators为开发者提供了一种简洁、灵活的方式来编写和管理AI应用中的提示和链。如果你想探索更多，可以查看官方文档和示例。
参考资料
如果这篇文章对你有帮助，欢迎点赞并关注我的博客。您的支持是我持续创作的动力！
---END---
