帥氣純真少年！日本最帥初中生選美冠軍出爐
日本第一帥哥初一生選美大賽冠軍現已正式出爐，冠軍是來自千葉縣的宗田悠良。日本一直熱衷于各種選美大賽，從“最美JK”起到“最美女星&r
LangChain的核心概念是Chain，它是一種由多個流程構件組成的有向圖，可以對輸入的文本進行各種轉換和處理，輸出你想要的結果。LangChain提供了一種專門的表達式語言，叫做LCEL（LangChain Expression Language），它可以讓你用簡潔和靈活的語法來定義和操作Chain，無需編寫復雜的代碼。
今天我將帶領大家使用LCEL語法來構建和組合Chain，實現強大的LLM應用。
本文為一個系列，之前內容沒有看過的小伙伴可以點擊鏈接查看：AI課程合集
LCEL是一個用于構建復雜鏈式組件的語言，它支持流式處理、并行化、日志記錄等功能。LCEL的基本語法規則是使用|符號將不同的組件連接起來，形成一個鏈式結構。|符號類似于Unix的管道操作符，它將一個組件的輸出作為下一個組件的輸入，從而實現數據的傳遞和處理。
LCEL的語法非常簡潔和靈活，它可以用于各種場景和任務。例如，我們可以使用LCEL來實現以下功能：
prompt = BasePromptTemplate("tell me a short joke about {topic}")model = ChatModel()output_parser = StrOutputParser()joke = ({"topic": RunnablePassthrough()} | prompt | model | output_parser)這個鏈式結構的作用是，首先根據用戶輸入的主題，生成一個提示，然后將提示傳遞給語言模型，讓它生成一個笑話，最后將笑話轉換為字符串，返回給用戶。我們可以用以下代碼來測試這個鏈式結構：
joke.invoke("ice cream")# > "Why did the ice cream go to therapy? /n/nBecause it had too many toppings and couldn't find its cone-fidence!"通過以上案例，我們能夠了解如何使用LCEL語言構建一個生成笑話的鏈式結構。我將為您解釋其中的每一步：
LCEL語法的核心思想是：一切皆為對象，一切皆為鏈。這意味著，LCEL語法中的每一個對象都實現了一個統一的接口：Runnable，它定義了一系列的調用方法（invoke, batch, stream, ainvoke, …）。這樣，你可以用同樣的方式調用不同類型的對象，無論它們是模型、函數、數據、配置、條件、邏輯等等。而且，你可以將多個對象鏈接起來，形成一個鏈式結構，這個結構本身也是一個對象，也可以被調用。這樣，你可以將復雜的功能分解成簡單的組件，然后用LCEL語法將它們組合起來，形成一個完整的應用。
LCEL語法還提供了一些組合原語，讓你可以更靈活地控制鏈式結構的行為，例如：
parallel原語將多個對象并行執行，提高效率和性能。fallback原語為某個對象指定一個備選對象，當主對象執行失敗時，自動切換到備選對象，保證應用的可用性和穩定性。config原語為某個對象指定一個配置對象，根據運行時的輸入或條件，動態地修改對象的參數或屬性，增加應用的靈活性和適應性。為了更好地理解LCEL語法的優勢，我們可以將它與傳統的編程語言進行對比，看看如果不使用LCEL語法，我們需要做哪些額外的工作。我們仍以上述笑話的生成鏈為例。
這段代碼非常簡潔和清晰，只需要幾行就可以實現我們想要的功能。而且，這段代碼還具有很高的可擴展性和靈活性，例如：
stream代替invoke：# 調用笑話對象，傳入一個主題字符串，得到一個笑話字符串的流joke.stream("dog")batch代替invoke：# 調用笑話對象，傳入一個主題字符串的列表，得到一個笑話字符串的列表joke.batch(["dog", "cat", "banana"])joke.ainvoke("dog")prompt = BasePromptTemplate("tell me a short joke about {topic}")# 改用gpt-3.5-turbo的llmmodel = OpenAI(model="gpt-3.5-turbo")output_parser = StrOutputParser()joke = ({"topic": RunnablePassthrough()} | prompt | model | output_parser)# 增加OpenAI的llm作為ChatModel的fallbacksprompt = BasePromptTemplate("tell me a short joke about {topic}")model = ChatModel()fallback_llm = OpenAI(model="gpt-3.5-turbo")modal_with_fallback = model.with_fallbacks([fallback_llm])output_parser = StrOutputParser()joke = ({"topic": RunnablePassthrough()} | prompt | modal_with_fallback | output_parser)以上只是一些簡單的例子，你可以根據自己的需求，使用LCEL語法提供的更多的組合原語，實現更復雜的功能和效果。
那么，如果我們不使用LCEL語法，而是使用傳統的編程語言，我們需要做哪些額外的工作呢？我們以Python為例，看看我們需要寫多少代碼，才能實現與LCEL語法相同的功能。
代碼對比
從上面的代碼可以看出，如果我們不使用LCEL語法，而是使用傳統的編程語言，我們需要寫很多的代碼，才能實現與LCEL語法相同的功能。而且，這些代碼還存在很多的問題，例如：
因此，我們可以看出，LCEL語法相比傳統的編程語言，具有很多的優勢，它可以讓我們更高效、更簡單、更靈活地構建復雜的AI應用。
在本文中，我們介紹了如何使用LangChain的LECL語法。我們介紹了LECL的基本語法以及基于LECL的流、異步等多種用法，并對比了不適用LECL語法開發的情況。
我們希望本文能夠幫助你了解LangChain中特色的LECL語法，鼓勵你嘗試使用LangChain開發自己的應用。
參考資料：
本文鏈接：http://www.www897cc.com/showinfo-26-54153-0.htmlLangChain應用開發指南-熟用LCEL語法掌握Chain的精髓
聲明：本網頁內容旨在傳播知識，若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。郵件：2376512515@qq.com
上一篇： 深入ReactiveFeign：反應式遠程接口調用的最佳實踐
下一篇： 使用React微前端的完整指南
Copyright ? 2016-2023 天津谷騏科技有限公司 版權所有 sitemap.xml
違法及侵權請聯系：2376512515@qq.com 津ICP備18001702號
津公網安備 12010102000574號