langchain中RunnableLambda作用

作者：CSDN博客
自定义函数的封装

runnableLambda 允许你将自定义函数封装在一个可运行的对象中，使其可以无缝融入 LangChain 的工作流。这对于那些不能直接使用 LangChain 内置工具或模型的任务非常有用。例如，你可能有一个特定的计算逻辑、数据转换函数或数据筛选函数，通过将其封装在 runnableLambda 中，可以将其作为工作流的一部分进行调用。

二、灵活的处理逻辑

它提供了一种灵活的方式来插入自定义的处理逻辑。在复杂的自然语言处理（NLP）任务链中，可能会遇到一些特殊的需求，比如对输入文本进行特殊的预处理、对模型的输出进行后处理，或者根据输入和中间结果执行一些独特的逻辑判断和计算，runnableLambda 就可以派上用场。

三、与其他组件的集成

可以方便地与 LangChain 的其他组件（如模型、工具、链等）进行集成。你可以将 runnableLambda 作为一个步骤插入到处理链中，它可以接收来自前一个组件的输入，并将处理结果传递给下一个组件，从而实现复杂的多步骤处理流程。

以下是一个简单的 Python 示例：

1. from langchain_core.runnables import RunnableLambda
3. # 定义一个自定义函数
4. def my_custom_function(input_text):
5.     # 这里可以是任何自定义逻辑，例如对输入文本进行修改
6.     modified_text = input_text.upper()
7.     return {"result": modified_text}
9. # 将自定义函数封装在 runnableLambda 中
10. runnable = RunnableLambda(my_custom_function)
12. # 调用封装的函数
13. input_data = "hello world"
14. output = runnable.invoke(input_data)
15. print(output)

复制代码

原文地址：https://blog.csdn.net/weixin_37942413/article/details/145026290