guardrails-output-parser

该模板使用 guardrails-ai 来验证 LLM 输出。

GuardrailsOutputParser 被设置在 chain.py 中。

默认示例用于防止粗话。

环境设置

设置 OPENAI_API_KEY 环境变量以访问 OpenAI 模型。

用法

要使用此软件包，您首先应该安装 LangChain CLI：

pip install -U langchain-cli

要创建一个新的 LangChain 项目并将其安装为唯一软件包，您可以执行：

langchain app new my-app --package guardrails-output-parser

如果您想将其添加到现有项目中，只需运行：

langchain app add guardrails-output-parser

并将以下代码添加到您的 server.py 文件中：

from guardrails_output_parser.chain import chain as guardrails_output_parser_chain
add_routes(app, guardrails_output_parser_chain, path="/guardrails-output-parser")

(可选) 现在让我们配置 LangSmith。

LangSmith 将帮助我们跟踪、监视和调试 LangChain 应用程序。

您可以在 这里 注册 LangSmith。

如果您没有访问权限，可以跳过此部分

export LANGCHAIN_TRACING_V2=true
export LANGCHAIN_API_KEY=<your-api-key>
export LANGCHAIN_PROJECT=<your-project>  # 如果未指定，默认为 "default"

如果您在此目录中，则可以通过以下方式直接启动 LangServe 实例：

langchain serve

这将启动 FastAPI 应用程序，服务器在本地运行，地址为

http://localhost:8000

我们可以在 http://127.0.0.1:8000/docs 查看所有模板

我们可以在 http://127.0.0.1:8000/guardrails-output-parser/playground 访问 playground

我们可以通过以下方式从代码中访问模板：

from langserve.client import RemoteRunnable
runnable = RemoteRunnable("http://localhost:8000/guardrails-output-parser")

如果 Guardrails 没有发现任何粗话，则翻译输出将原样返回。如果 Guardrails 发现了粗话，则返回空字符串。