在 LangChain 中，链（Chain） 是一个核心概念，用于将多个处理步骤或操作串联起来，形成一个复杂的工作流。链允许开发者将语言模型调用、工具使用、数据处理等步骤组合在一起，从而实现更强大的功能和自动化流程。
我们可以将提示词模板和大语言模型调用整合为一条链：
- 老版本 LangChain ，使用
LLMChain对模型进行封装（新版本已弃用）：
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
from langchain.prompts import ChatPromptTemplate, SystemMessagePromptTemplate, HumanMessagePromptTemplate
from langchain import LLMChain
# 定义系统消息模板
system_template = "You are a professional translater. Please translate the following text from {input_language} to {output_language}"
system_message_prompt = SystemMessagePromptTemplate.from_template(system_template)
# 定义用户消息模板
human_template = "{text}"
human_message_prompt = HumanMessagePromptTemplate.from_template(human_template)
# 将两个模板组合到消息聊天提示词模板中
chat_prompt = ChatPromptTemplate.from_messages(
[
system_message_prompt,
human_message_prompt,
]
)
# 使用 LLMChain 组合大模型和聊天模板
chain = LLMChain(llm=tongyi_chat, prompt=chat_prompt)
# 运行链
chain.run(
input_language="English",
output_language="Chinese",
text = "Hello World",
)
- 最新版的 LangChain，使用
RunnableSequence方法来替代旧的LLMChain，即使用管道符|连接工作流：
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
from langchain.prompts import ChatPromptTemplate, SystemMessagePromptTemplate, HumanMessagePromptTemplate
# 定义系统消息模板
system_template = "You are a professional translater. Please translate the following text from {input_language} to {output_language}"
system_message_prompt = SystemMessagePromptTemplate.from_template(system_template)
# 定义用户消息模板
human_template = "{text}"
human_message_prompt = HumanMessagePromptTemplate.from_template(human_template)
# 将两个模板组合到消息聊天提示词模板中
chat_prompt = ChatPromptTemplate.from_messages(
[
system_message_prompt,
human_message_prompt,
]
)
# 使用 RunnableSequence 组合大模型和聊天模板
chain = chat_prompt | tongyi_chat
# 调用 invoke 方法运行链
result = chain.invoke(
{
"input_language": "English",
"output_language": "Chinese",
"text": "Hello World",
}
)
print(result.content)
