掌握LangChain：如何向链的状态中添加值

本文链接：https://blog.youkuaiyun.com/tt_jishu/article/details/143224269

掌握LangChain：如何向链的状态中添加值

在现代编程中，处理链式操作时，管理数据流和状态是一项关键任务。本文将介绍如何使用LangChain Expression Language (LCEL)中的RunnablePassthrough.assign()方法来有效添加和管理链的状态。

引言

在数据处理链中，往往需要传递多个步骤产出的数据，同时不改变现有状态。这篇文章将展示如何灵活地在链的不同步骤中添加新的数据，以应对复杂的数据处理任务。

主要内容

1. LangChain 概述

LangChain是一种用于表达和执行复杂数据流的语言。其核心理念是通过可重用的模块（runnables）来构建复杂的数据处理链。

2. 运行并行任务和传递数据

在LangChain中，RunnableParallel可用于并行执行多个任务，而RunnablePassthrough.assign()则可以在不改变链状态的情况下添加新数据。

%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),  # 计算新数据
    modified=lambda x: x["num"] + 1,  # 修改数据
)

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

输出：

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

3. 数据流的即时性

RunnablePassthrough.assign()还支持流式处理，这意味着数据可以在可用时立即传递，极大提高了处理效率。

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()

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)