探索LangChain中的可组合任务链：如何有效链式运行程序_langchain实现业务功能组合-优快云博客

本文链接：https://blog.youkuaiyun.com/tt_jishu/article/details/143899537

探索LangChain中的可组合任务链：如何有效链式运行程序

在现代编程中，能够模块化和组合任务的能力是极其重要的。LangChain提供了一种有效的方式通过链式运行解决方案来处理复杂任务。在本文中，我们将深入探讨如何使用LangChain实现此目的，并提供实用示例供您参考。

引言

LangChain的可组合特性使得程序员可以将多个"可运行单元"（runnables）串联起来，形成强大的序列任务。通过链式运行，您不仅可以实现任务的模块化，还可以提高处理效率和调试便利性。本篇文章旨在帮助您理解这一功能，并在实际应用中灵活运用。

主要内容

1. 理解LangChain的基本概念

LangChain表达语言（LCEL）允许开发者将多个可运行单元串联起来。每个单元的输出可以作为下一个单元的输入，这样就形成了一个可执行的序列（RunnableSequence）。这种链式结构不仅可以通过管道操作符|来实现，也可以通过pipe()方法实现。

2. 实现链式结构

首先，我们来看一个简单的例子：使用提示模板（prompt template）格式化输入数据后，传递给聊天模型进行处理，最终将输出转换为字符串。以下是一个代码片段：

# 安装必要的包
pip install -qU langchain-openai

import getpass
import os
from langchain_openai import ChatOpenAI
from langchain_core.output_parsers import StrOutputParser
from langchain_core.prompts import ChatPromptTemplate

# 配置API密钥
os.environ["OPENAI_API_KEY"] = getpass.getpass()

# 初始化模型
model = ChatOpenAI(model="gpt-4o-mini")

# 创建提示模板
prompt = ChatPromptTemplate.from_template("tell me a joke about {topic}")

# 链式调用：格式化提示模板 -> 模型处理 -> 输出解析
chain = prompt | model | StrOutputParser()

# 调用链
result = chain.invoke({"topic": "bears"})  # 使用API代理服务提高访问稳定性
print(result)

3. 扩展链式运行

您可以将多个链组合在一起。例如，生成笑话后，您可以评估它是否有趣。这可以实现如下：

analysis_prompt = ChatPromptTemplate.from_template("is this a funny joke? {joke}")

# 组合链：生成笑话 -> 分析笑话是否有趣
composed_chain = {"joke": chain} | analysis_prompt | model | StrOutputParser()

# 调用组合链
result = composed_chain.invoke({"topic": "bears"})
print(result)

4. 使用`pipe()`方法

除了管道操作符，您还可以使用pipe()方法实现类似的功能：

from langchain_core.runnables import RunnableParallel

# 使用pipe方法
composed_chain_with_pipe = (
    RunnableParallel({"joke": chain})
    .pipe(analysis_prompt)
    .pipe(model)
    .pipe(StrOutputParser())
)

result = composed_chain_with_pipe.invoke({"topic": "battlestar galactica"})
print(result)