AI创想

标题: Langchain 工作流编排 [打印本页]

---

作者: 米落枫    时间: 2025-9-7 23:38
标题: Langchain 工作流编排
一、工作流编排核心架构

LangChain通过LCEL（LangChain Expression Language）和Runnable接口构建声明式工作流，其核心原理是：

所有组件实现Runnable接口标准化调用使用管道符|连接组件形成链（Chain）自动支持流式传输/异步/并行等特性

1. from langchain_core.runnables import RunnablePassthrough
3. chain = prompt | model | output_parser  # LCEL管道语法

复制代码

---

二、LCEL（LangChain Expression Language）

核心作用

声明式组合：用|运算符连接Runnable组件自动类型推导：验证组件输入输出兼容性运行时优化：自动并行/批处理可加速的环节

基础用法

1. from langchain_core.prompts import ChatPromptTemplate
2. from langchain_openai import ChatOpenAI
4. prompt = ChatPromptTemplate.from_template("讲一个关于{topic}的故事")
5. model = ChatOpenAI()
6. chain = prompt | model |(lambda x: x.content)# 组合Prompt+LLM+输出解析
8. chain.invoke({"topic":"龙"})# 输出完整故事文本

复制代码

高级组合

1. # 分支与合并from langchain_core.runnables import RunnableParallel
3. map_chain = RunnableParallel(
4.     joke=chain,
5.     poem=poem_chain  # 假设已定义的诗生成链)

复制代码

---

三、Runnable接口

统一接口方法

所有组件（模型/提示词/解析器等）都实现以下方法：

1. classRunnable(Protocol):definvoke(self,input: Any)-> Any:...# 同步调用asyncdefainvoke(self,input: Any)-> Any:...# 异步调用defbatch(self, inputs: List)-> List:...# 批量处理defstream(self,input: Any)-> Iterator:...# 流式输出

复制代码

关键特性

自动适配：无论输入是dict/str/list都会自动处理组合嵌套：支持任意深度的链式组合生命周期钩子：可通过事件监听进行调试

1. # 自定义Runnablefrom langchain_core.runnables import RunnableLambda
3. deflength_func(text:str)->int:returnlen(text)
5. length_chain = RunnableLambda(length_func)
6. length_chain.invoke("hello")# 输出5

复制代码

---

四、Stream流式传输

实现原理

逐步生成输出而非等待全部完成每个处理环节均支持流式（模型/转换器等）

同步流式

1. for chunk in chain.stream({"topic":"太空"}):print(chunk, end="", flush=True)# 逐词打印生成的文本

复制代码

异步流式

1. asyncfor chunk in chain.astream({"topic":"火星"}):print(chunk, end="", flush=True)

复制代码

---

五、Stream Events事件驱动

事件类型

通过stream_events方法捕获完整生命周期事件：

on_chain_start：链开始执行on_llm_start：调用LLMon_chat_model_stream：聊天模型输出块on_chain_end：链执行完成

事件监听示例

1. from langchain_core.tracers import ConsoleCallbackHandler
3. events = chain.stream_events({"topic":"AI"},
4.     version="v1",
5.     config={"callbacks":[ConsoleCallbackHandler()]}# 控制台打印事件)for event in events:if event["event"]=="on_chat_model_stream":print(f"收到块: {event['data']['chunk'].content}")

复制代码

典型事件结构

1. {"event":"on_llm_start","name":"ChatOpenAI","run_id":"uuid123","data":{"input":"龙的传说"}}

复制代码

---

六、综合应用示例

1. from langchain_core.runnables import RunnablePassthrough
3. # 完整工作流
4. full_chain =({"context": load_context,"query": RunnablePassthrough()}# 并行执行| prompt_template
5.     | model.with_config({"temperature":0.7})| output_parser
6. )# 流式+事件监听asyncdefprocess_query(query:str):asyncfor event in full_chain.astream_events(
7.         query,
8.         version="v1",
9.         config={"metadata":{"user_id":"123"}}):if event["event"]=="on_chat_model_stream":yield event["data"]["chunk"].content

复制代码

---

七、核心优势总结

特性	作用	技术实现
LCEL	声明式组合/类型安全/优化执行	操作符重载+类型系统
Runnable	统一接口/异步支持/组合能力	接口协议+适配器模式
Stream	低延迟输出/内存优化	生成器+异步迭代器
Events	实时监控/调试/中间结果捕获	观察者模式+回调系统

通过这四者的结合，LangChain实现了：

灵活组合：任意模块的自由拼接高效执行：自动批处理/流式/并行全链路可控：事件系统提供深度可观测性

---

欢迎光临 AI创想 (http://llms-ai.com/)

Powered by Discuz! X3.4