企业级AI落地项目系列课程详解 -> 点击进入
LangChian核心功能：链式调用实现方法
顾名思义，LangChain之所以被称为LangChain，其核心概念就是Chain。 Chain翻译成中文就是“链”。一个链，指的是可以按照某一种逻辑，按顺序组合成一个流水线的方式。比如我们刚刚实现的问答流程： 用户输入一个问题 –> 发送给大模型 –> 大模型进行推理 –> 将推理结果返回给用户。这个流程就是一个链。
尝试搭建一个简单的链
例如，我们这里可以先尝试着搭建一个简单的链，将模型输出结果“过滤”为一个纯字符串格式：
|
Python
from langchain_core.output_parsers import StrOutputParser
from langchain.chat_models import init_chat_model
# 使用 DeepSeek 模型
model = init_chat_model(model=”deepseek-chat”, model_provider=”deepseek”)
# 直接使用模型 + 输出解析器搭建一个链
basic_qa_chain = model | StrOutputParser()
|
|
Python
# 查看输出结果
question = “你好，请你介绍一下你自己。”
result = basic_qa_chain.invoke(question)
|
|
Plaintext
'你好！我是 **DeepSeek Chat**，由深度求索（DeepSeek）公司研发的智能 AI 助手。我可以帮助你解答各种问题，包括学习、工作、编程、生活小技巧等，还能处理和分析上传的文件（如 PDF、Word、Excel 等）。
### **我的特点：**
✅ **免费使用**：目前无需付费，你可以随时向我提问。
✅ **知识丰富**：我的知识截止到 **2024 年 7 月**，能提供较新的信息。
✅ **支持长文本**：上下文可达 **128K**，适合处理复杂问题。
✅ **文件阅读**：可以解析上传的文档，提取关键信息。
✅ **多语言支持**：能用中文、英文等多种语言交流。
### **我能帮你做什么？**
📚 **学习**：解题思路、论文润色、语言学习
💼 **工作**：写邮件、做 PPT、数据分析
💻 **编程**：代码调试、算法讲解、项目建议
📖 **阅读 & 写作**：书籍推荐、文章润色、创意写作
🔍 **信息查询**：科技、历史、新闻、生活百科
你可以随时向我提问，我会尽力提供准确、有用的回答！😊 有什么我可以帮你的吗？'
|
此时result就不再是包含各种模型调用信息的结果，而是纯粹的模型响应的字符串结果。而这里用到的StrOutputParser()实际上就是用于构成LangChain中一个链条的一个对象，其核心功能是用于处理模型输出结果。同时我们也能发现，只需要使用Model | OutputParser，即可高效搭建一个链。
类似这种结果解析器还有很多，稍后我们会继续进行介绍。
加入提示词模板创建链
接下来我们尝试为当前的执行流程添加一个提示词模板，我们可以借助ChatPromptTemplate非常便捷的将一个提示词模板，同样以链的形式加入到当前任务中：
|
Python
from langchain.output_parsers.boolean import BooleanOutputParser
from langchain.prompts import ChatPromptTemplate
prompt_template = ChatPromptTemplate([
(“system”, “你是一个乐意助人的助手，请根据用户的问题给出回答”),
(“user”, “这是用户的问题： {topic}， 请用 yes 或 no 来回答”)
])
# 直接使用模型 + 输出解析器
bool_qa_chain = prompt_template | model | StrOutputParser()
# 测试
question = “请问 1 + 1 是否 大于 2？”
result = bool_qa_chain.
|
暂无评论内容