AI创想

标题: 【LangChain入门 6 Chain组件】单链和多链 [打印本页]

---

作者: zuo    时间: 昨天 09:53
标题: 【LangChain入门 6 Chain组件】单链和多链
作者：CSDN博客
一、单链

1.1 LCEL的语法

| 为关键字，使用 | 作为链接符号

1. from langchain_core.output_parsers import StrOutputParser
2. from langchain_ollama import ChatOllama
3. llm = ChatOllama( model="deepseek-r1:7b")
4. parser = StrOutputParser()# 加了这段后，会讲Chunk类转化成字符串，也就是获取Chunk类中的content内容
6. chain = prompt | llm | parser  # 使用LCEL语法创建链
7. response = chain.invoke({"input":"宠物"})print(response)

复制代码

1.2 LLMChain

LLMChain 是 LangChain 中最基本且最常用的链式结构，广泛应用于 LangChain 的其他复杂链和代理程序中。它由以下两个主要部分组成：

PromptTemplate：用于定义提示模板，将用户输入动态格式化为语言模型能够理解的提示。语言模型（LLM 或聊天模型）：用于处理格式化后的提示，并生成响应。

1. from langchain.chains import LLMChain
2. from langchain_core.prompts import ChatPromptTemplate
4. # 1 实例化模型
5. llm = ChatOllama( model="deepseek-r1:7b")# 2 定义模板
6. prompt = ChatPromptTemplate.from_template("给我取一个关于{input}的店名")# 3 构建Chain，将大模型与prompt组合在一起
7. chain = LLMChain(prompt=prompt, llm=llm)# 4 执行Chain
8. response = chain.invoke({"input":"宠物"})print(response)
10. input_list =[{"input":"宠物"},{"input":"鲜花"}]
11. response = chain.apply(input_list)# 批量输出

复制代码

三、多链组装

将多个链条融合在一起
LangChain 提供了强大的多链功能，允许用户通过组合多个链（Chain）来实现复杂的任务。这些链可以按顺序执行，也可以并行执行，从而实现高效的模型协作和协调

• 串联多个链（Sequential Chains）
  通过 SimpleSequentialChain 或管道操作符 |，可以将多个链按顺序串联起来。前一个链的输出会自动作为下一个链的输入。LangChain 支持并行执行多个链，这在需要同时处理多个任务时非常有用分支和合并（Branching and Merging） LangChain 支持创建复杂的计算图，允许将一个组件的输出分叉为多个组件的输入，并在后续步骤中合并结
  

1. from langchain_ollama import ChatOllama
2. from langchain_core.prompts import ChatPromptTemplate
3. from langchain.chains import SimpleSequentialChain, LLMChain
5. prompt = ChatPromptTemplate.from_template("给我取一个关于{input}的店名")
6. llm = ChatOllama( model="deepseek-r1:7b")
8. prompt_second = ChatPromptTemplate.from_template("给我的跑车取一个关于{input}的名字")
10. first_chain = LLMChain(prompt=prompt, llm=llm)# 创建第一个链
11. second_chain = LLMChain(prompt=prompt_second, llm=llm)
13. all_chain = SimpleSequentialChain(chains=[first_chain, second_chain],
14.                                   verbose=True)
16. response = all_chain.invoke({"input":"狗"})

复制代码

原文地址：https://blog.csdn.net/hjxu2016/article/details/146395479

---

欢迎光临 AI创想 (https://www.llms-ai.com/)

Powered by Discuz! X3.4