如何向链状态添加值-优快云博客

老铁们，今天我们来讨论一下在使用LangChain时，如何向链的状态中添加值。这个技术点其实不难，特别是在需要在链的各个步骤之间传递数据的时候，它简直就是一波相当丝滑的操作。

技术背景介绍

在LangChain中，处理复杂的数据流程时，往往需要将数据以某种形式保存在链的状态中。而LangChain提供的LangChain Expression Language (LCEL)为我们提供了一种优雅的方式来实现这一点。通过RunnablePassthrough.assign()方法，我们可以在不更改现有状态的情况下，将新的键值对添加到链的状态中。

原理深度解析

说白了就是这么个原理，RunnablePassthrough.assign()方法会接受一个输入值，并将传递给assign函数的额外参数添加到该输入值中。这在创建字典的过程中非常有用，尤其是当你需要为后续步骤准备输入时。

实战代码演示

下面是一个简单的示例，展示了如何使用RunnablePassthrough.assign()：

%pip install --upgrade --quiet langchain langchain-openai

import os
from getpass import getpass

os.environ["OPENAI_API_KEY"] = getpass()

from langchain_core.runnables import RunnableParallel, RunnablePassthrough

runnable = RunnableParallel(
    extra=RunnablePassthrough.assign(mult=lambda x: x["num"] * 3),
    modified=lambda x: x["num"] + 1,
)

result = runnable.invoke({"num": 1})
print(result)

执行结果是：

{'extra': {'num': 1, 'mult': 3}, 'modified': 2}

代码解析

输入为{"num": 1}，并通过RunnableParallel传递。
RunnablePassthrough.assign()会保留原始输入，并添加一个新的键mult，值通过lambda函数计算为3。
同时，modified键通过lambda函数被设置为2。

这一套操作可以说是相当丝滑。

优化建议分享

在实际应用中，建议使用代理服务来提高系统的整体稳定性和可靠性。同时在开发时，尽量保持代码的简洁性，这有助于后续的维护和扩展。

补充说明和总结

这个方法的一个方便之处在于，它可以让值在可用时立即传递。比如在一个检索链中，我们可以通过RunnablePassthrough.assign()来立即返回来源文档。

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

# 创建检索器和生成链
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()

generation_chain = prompt | model | StrOutputParser()

retrieval_chain = {
    "context": retriever,
    "question": RunnablePassthrough(),
} | RunnablePassthrough.assign(output=generation_chain)

stream = retrieval_chain.stream("where did harrison work?")

for chunk in stream:
    print(chunk)