任务设定
今天我们要完成的任务是构建一个智能客服ChatBot，它能够根据问题的种类，将问题路由到不同的处理链。具体来说，我们需要处理两类问题：
- 鲜花养护（如何浇水、施肥等）
- 鲜花装饰（如何搭配花、装饰场地等）
整体框架
我们将使用RouterChain（路由链）来动态选择用于给定输入的下一个链。根据用户的问题内容，RouterChain会确定问题更适合哪个处理模板，然后将问题发送到该处理模板进行回答。如果问题不适合任何已定义的处理模板，它会被发送到默认链。
具体步骤
- 构建处理模板：为鲜花护理和鲜花装饰分别定义两个字符串模板。
- 提示信息：使用一个列表来组织和存储这两个处理模板的关键信息。
- 初始化语言模型：导入并实例化语言模型。
- 构建目标链：根据提示信息中的每个模板构建对应的
LLMChain，并存储在一个字典中。 - 构建LLM路由链：使用
LLMRouterChain选择与给定问题最相关的提示。 - 构建默认链：如果输入不适合任何已定义的处理模板，这个默认链会被触发。
- 构建多提示链：使用
MultiPromptChain将LLM路由链、目标链和默认链组合在一起。
具体实现
构建提示信息的模板
flower_care_template = """你是一个经验丰富的园丁，擅长解答关于养花育花的问题。
下面是需要你来回答的问题:
{input}"""
flower_deco_template = """你是一位网红插花大师，擅长解答关于鲜花装饰的问题。
下面是需要你来回答的问题:
{input}"""
prompt_infos = [
{
"key": "flower_care",
"description": "适合回答关于鲜花护理的问题",
"template": flower_care_template,
},
{
"key": "flower_decoration",
"description": "适合回答关于鲜花装饰的问题",
"template": flower_deco_template,
}
]
初始化语言模型
from langchain.llms import OpenAI
import os
os.environ["OPENAI_API_KEY"] = '你的OpenAI Key'
llm = OpenAI()
构建目标链
from langchain.chains.llm import LLMChain
from langchain.prompts import PromptTemplate
chain_map = {}
for info in prompt_infos:
prompt = PromptTemplate(template=info['template'], input_variables=["input"])
chain = LLMChain(llm=llm, prompt=prompt, verbose=True)
chain_map[info["key"]] = chain
构建路由链
from langchain.chains.router.llm_router import LLMRouterChain, RouterOutputParser
from langchain.chains.router.multi_prompt_prompt import MULTI_PROMPT_ROUTER_TEMPLATE as RouterTemplate
destinations = [f"{p['key']}: {p['description']}" for p in prompt_infos]
router_template = RouterTemplate.format(destinations="\n".join(destinations))
router_prompt = PromptTemplate(
template=router_template,
input_variables=["input"],
output_parser=RouterOutputParser(),
)
router_chain = LLMRouterChain.from_llm(llm, router_prompt, verbose=True)
构建默认链
from langchain.chains import ConversationChain
default_chain = ConversationChain(llm=llm, output_key="text", verbose=True)
构建多提示链
from langchain.chains.router import MultiPromptChain
chain = MultiPromptChain(
router_chain=router_chain,
destination_chains=chain_map,
default_chain=default_chain,
verbose=True
)
运行路由链
print(chain.run("如何为玫瑰浇水？"))
print(chain.run("如何为婚礼场地装饰花朵？"))
print(chain.run("如何考入哈佛大学？"))
总结
通过使用RouterChain和MultiPromptChain，我们可以将不同的问题路由到不同的处理链，从而实现更复杂的决策逻辑。这种方法可以灵活地扩展，以适应更多种类的问题和处理链。
思考题
- 尝试将
verbose=True设置为False，观察输出结果的变化。 - 尝试将
default_chain替换为LLMChain，看看是否能正常工作。
这些题目可以帮助你更深入地理解和实践LangChain中的链功能。
