[如何从ConversationChain迁移到LCEL实现，提升你的对话体验]

# 如何从ConversationChain迁移到LCEL实现，提升你的对话体验

## 引言

在使用Python进行对话智能应用开发时，掌握使用先进的对话链工具是必不可少的。Langchain提供的`ConversationChain`和`LCEL`（Langchain Conversational Execution Layer）都是流行的选择。本文将介绍从`ConversationChain`迁移到`LCEL`的过程，分析其优势，并提供实用的代码示例，帮助您提升对话体验。

## 主要内容

### 为什么选择LCEL？

LCEL相较于传统的`ConversationChain`具有以下几个显著优势：

1. **支持线程和独立会话**：LCEL支持多线程和独立会话，非常方便实现复杂的对话逻辑。
2. **显式参数设计**：相比之下，`ConversationChain`的隐藏默认提示容易造成混淆，LCEL提供了更明确的参数配置。
3. **支持流式输出**：LCEL原生支持流式输出，更适合实时应用。

### 代码实现对比

#### Legacy：使用ConversationChain

```python
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)
# 输出: "Arr matey, I be doin' well on the high seas, plunderin' and pillagin' as usual. How be ye?"

LCEL：使用RunnableWithMessageHistory

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}"),
    ]
)

# 创建一个内存日志以存储对话历史
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)
# 输出: "Arr, me matey! I be doin' well, sailin' the high seas and searchin' for treasure. How be ye?"

常见问题和解决方案

1. 如何处理不同会话的历史？

   使用LCEL，您可以为不同的会话创建独立的历史记录。如下所示：

   from langchain_core.chat_history import BaseChatMessageHistory
   from langchain_core.runnables.history import RunnableWithMessageHistory
   
   store = {}
   
   def get_session_history(session_id: str) -> BaseChatMessageHistory:
       if session_id not in store:
           store[session_id] = InMemoryChatMessageHistory()
       return store[session_id]
   
   chain = prompt | ChatOpenAI() | StrOutputParser()
   
   wrapped_chain = RunnableWithMessageHistory(
       chain,
       get_session_history,
       history_messages_key="chat_history",
   )
   
   response = wrapped_chain.invoke(
       {"input": "Hello!"},
       config={"configurable": {"session_id": "abc123"}},
   )
   print(response)
   # 输出: "Ahoy there, me hearty! What can this old pirate do for ye today?"
   

总结和进一步学习资源

在对话智能应用开发中，切换到LCEL实现可以为您提供更强大的功能和更高的灵活性。除了更好的会话管理，LCEL的显式参数和流式支持让开发更简单高效。对于进一步的学习，建议阅读Langchain的完整文档以及相关的教程。

参考资料

• Langchain Documentation: Langchain Official Docs
• Langchain API Reference: Langchain API

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---