[掌握LangChain：如何向链的状态添加值并实现高效数据流动]

用户331287887593
114 阅读3分钟 
# 掌握LangChain：如何向链的状态添加值并实现高效数据流动

在构建复杂的数据处理链时，能够灵活地调整和扩展链的状态是一个关键能力。本文将深入探讨如何使用LangChain的工具来向链的状态添加值。我们将展示如何使用`RunnablePassthrough.assign()`方法来实现这一点，并提供相关的代码示例。

## 引言

当我们使用LangChain进行数据处理和AI任务时，经常需要以增量的方式构建字典，作为链的后续步骤的输入。本指南介绍了一种方法：通过在链的状态中添加新值，同时保持现有值不变。这在LangChain表达式语言中是一个常见的模式，尤其有助于提高处理效率和代码的可维护性。

## 主要内容

### 1. 准备工作

在开始之前，请确保你已经熟悉以下概念：

- LangChain表达式语言（LCEL）
- 链式任务的执行
- 并行调用任务
- 自定义函数
- 数据传递

### 2. 添加状态值的方法

我们将使用`RunnablePassthrough.assign()`静态方法，它不仅可以保持当前链状态的值不变，还可以在指定键下分配新值。

### 3. 示例分析

首先，安装必要的包：

```bash
%pip install --upgrade --quiet langchain langchain-openai

然后，创建一个调用任务示例：

import os
from getpass import getpass

# 设置API密钥
os.environ["OPENAI_API_KEY"] = getpass()

from langchain_core.runnables import RunnableParallel, RunnablePassthrough

# 创建并行运行对象
runnable = RunnableParallel(
    extra=RunnablePassthrough.assign(mult=lambda x: x["num"] * 3),   # 使用API代理服务提高访问稳定性
    modified=lambda x: x["num"] + 1
)

result = runnable.invoke({"num": 1})
print(result)

输出将是：

{'extra': {'num': 1, 'mult': 3}, 'modified': 2}

4. 数据流的即时返回

使用RunnablePassthrough.assign()方法可以立即返回数据流中的值。以下是一个使用LangChain进行数据检索和处理的示例：

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

# 创建向量存储和检索器
vectorstore = FAISS.from_texts(["harrison worked at kensho"], embedding=OpenAIEmbeddings())
retriever = vectorstore.as_retriever()

# 定义模板和模型
template = """Answer the question based only on the following context:
{context}

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

# 创建生成链和检索链
generation_chain = prompt | model | StrOutputParser()

retrieval_chain = {
    "context": retriever,
    "question": RunnablePassthrough(),
} | RunnablePassthrough.assign(output=generation_chain)

# 流式处理
stream = retrieval_chain.stream("where did harrison work?")

for chunk in stream:
    print(chunk)

该示例展示了如何实时返回数据流。我们可以看到检索到的原始问题和上下文，以及生成链逐步产生的输出。

常见问题和解决方案

问题1：API访问稳定性

在某些地区，访问API可能会不稳定，这时可以考虑使用API代理服务来提高访问稳定性。

问题2：数据流中断

确保在传递数据时，所有相关模块和依赖项都已正确引入和初始化。

总结和进一步学习资源

本文展示了如何使用LangChain灵活而高效地管理链的状态及数据流动。更多关于如何使用LangChain的Runables的指南，请参阅LangChain的官方文档和其他教程。

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