如何在并行中调用 Runnables

老铁们，今天我们来聊聊如何在并行中调用 Runnables。如果你已经对 LangChain 表达语言（LCEL）和链式 Runnables 有所了解，那这篇文章你会觉得相当丝滑。我们要介绍的核心是RunnableParallel，这个工具可以让我们同时运行多个 Runnables，就像你在家同时做饭、洗衣和学习一样高效。

技术背景介绍

首先，什么是RunnableParallel呢？说白了，它就是一个字典，你可以把它的值设为任何可以跑起来的东西，比如函数。它会用自己接收到的输入同时调用每个值，最后返回一个字典，里面装着每个值的运行结果。

原理深度解析

RunnableParallel不仅能让多项操作并行执行，还能在需要的时候调整某一Runnable的输出以匹配下一个Runnable的输入格式。通过这种并行化，我们可以创建一个如下所示的计算图：

     输入
      /  \
     /    \
  分支1   分支2
     \    /
      \  /
      合并

在这个结构中，各个分支可以独立处理输入，然后最终的结果被合并成一个完整的响应。

实战代码演示

为了让大家能更好地理解，我们直接上代码：

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()

retrieval_chain = (
    {"context": retriever, "question": RunnablePassthrough()}
    | prompt
    | model
    | StrOutputParser()
)

retrieval_chain.invoke("where did harrison work?")

在上面的代码中，我们创建了一个从文本中检索上下文的链，然后用这个上下文来回答问题。这里用到了FAISS作为向量存储，搭配使用OpenAIEmbeddings来提升检索精度。

优化建议分享

在并行执行多个 Runnables 时，记得使用RunnableParallel。例如，使用它可以同时生成一个关于主题的笑话和一首两行的小诗：

from langchain_core.prompts import ChatPromptTemplate
from langchain_core.runnables import RunnableParallel
from langchain_openai import ChatOpenAI

model = ChatOpenAI()
joke_chain = ChatPromptTemplate.from_template("tell me a joke about {topic}") | model
poem_chain = (
    ChatPromptTemplate.from_template("write a 2-line poem about {topic}") | model
)

map_chain = RunnableParallel(joke=joke_chain, poem=poem_chain)

map_chain.invoke({"topic": "bear"})

补充说明和总结

老铁们，RunnableParallel不仅使得运行多个进程变得简单，而且这些进程可以独立执行。例如你可以将笑话链和诗歌链同时执行，这在处理相对独立的任务时尤其有用。

今天的技术分享就到这里，希望对大家有帮助。开发过程中遇到问题也可以在评论区交流~

—END—