Skip to main content
Open In ColabOpen on GitHub

从 LLMChain 迁移

LLMChain 将提示模板、LLM 和输出解析器组合到一个类中。

切换到 LCEL 实现的一些优势包括：

  • 内容清晰且参数明确。旧的 LLMChain 包含默认的输出解析器和其他选项。
  • 更流畅的流式传输。LLMChain仅支持通过回调进行流式传输。
  • 如果 desired，可以更容易地访问原始消息输出。LLMChain 仅通过参数或回调暴露这些内容。
%pip install --upgrade --quiet langchain-openai
import os
from getpass import getpass

if "OPENAI_API_KEY" not in os.environ:
    os.environ["OPENAI_API_KEY"] = getpass()

遗留​

详细信息
from langchain.chains import LLMChain
from langchain_core.prompts import ChatPromptTemplate
from langchain_openai import ChatOpenAI

prompt = ChatPromptTemplate.from_messages(
    [("user", "Tell me a {adjective} joke")],
)

legacy_chain = LLMChain(llm=ChatOpenAI(), prompt=prompt)

legacy_result = legacy_chain({"adjective": "funny"})
legacy_result
{'adjective': 'funny',
 'text': "Why couldn't the bicycle stand up by itself?\n\nBecause it was two tired!"}

请注意，LLMChain 默认返回一个包含来自 StrOutputParser 的输入和输出的 dict，因此要提取输出，您需要访问 "text" 键。

legacy_result["text"]
"Why couldn't the bicycle stand up by itself?\n\nBecause it was two tired!"

LCEL​

详细信息
from langchain_core.output_parsers import StrOutputParser
from langchain_core.prompts import ChatPromptTemplate
from langchain_openai import ChatOpenAI

prompt = ChatPromptTemplate.from_messages(
    [("user", "Tell me a {adjective} joke")],
)

chain = prompt | ChatOpenAI() | StrOutputParser()

chain.invoke({"adjective": "funny"})
'Why was the math book sad?\n\nBecause it had too many problems.'

如果您希望在 LLMChain 中模仿输入和输出的 dict 打包方式，您可以使用如下的 RunnablePassthrough.assign：

from langchain_core.runnables import RunnablePassthrough

outer_chain = RunnablePassthrough().assign(text=chain)

outer_chain.invoke({"adjective": "funny"})
{'adjective': 'funny',
 'text': 'Why did the scarecrow win an award? Because he was outstanding in his field!'}

下一步​

有关使用提示模板、LLM 和输出解析器进行构建的更多详细信息，请查看 此教程。

查看 LCEL 概念文档 以获取更多信息。