Skip to main content
Open In ColabOpen on GitHub

如何检查可运行项

Prerequisites

本指南假设您熟悉以下概念：

一旦你使用LangChain表达式语言创建了一个可运行的对象，你可能经常想要检查它以更好地理解正在发生的事情。本笔记本涵盖了一些实现此目的的方法。

本指南展示了一些可以通过编程方式内省链内部步骤的方法。如果您对调试链中的问题感兴趣，请参阅此部分。

首先，让我们创建一个示例链。我们将创建一个用于检索的链：

%pip install -qU langchain langchain-openai faiss-cpu tiktoken
from langchain_community.vectorstores import FAISS
from langchain_core.output_parsers import StrOutputParser
from langchain_core.prompts import ChatPromptTemplate
from langchain_core.runnables import RunnablePassthrough
from langchain_openai import ChatOpenAI, OpenAIEmbeddings

vectorstore = FAISS.from_texts(
    ["harrison worked at kensho"], embedding=OpenAIEmbeddings()
)
retriever = vectorstore.as_retriever()

template = """Answer the question based only on the following context:
{context}

Question: {question}
"""
prompt = ChatPromptTemplate.from_template(template)

model = ChatOpenAI()

chain = (
    {"context": retriever, "question": RunnablePassthrough()}
    | prompt
    | model
    | StrOutputParser()
)

获取图表​

你可以使用get_graph()方法来获取可运行对象的图形表示：

chain.get_graph()

虽然这不太清晰，但你可以使用print_ascii()方法以更容易理解的方式显示该图：

chain.get_graph().print_ascii()
           +---------------------------------+         
           | Parallel<context,question>Input |         
           +---------------------------------+         
                    **               **                
                 ***                   ***             
               **                         **           
+----------------------+              +-------------+  
| VectorStoreRetriever |              | Passthrough |  
+----------------------+              +-------------+  
                    **               **                
                      ***         ***                  
                         **     **                     
           +----------------------------------+        
           | Parallel<context,question>Output |        
           +----------------------------------+        
                             *                         
                             *                         
                             *                         
                  +--------------------+               
                  | ChatPromptTemplate |               
                  +--------------------+               
                             *                         
                             *                         
                             *                         
                      +------------+                   
                      | ChatOpenAI |                   
                      +------------+                   
                             *                         
                             *                         
                             *                         
                   +-----------------+                 
                   | StrOutputParser |                 
                   +-----------------+                 
                             *                         
                             *                         
                             *                         
                +-----------------------+              
                | StrOutputParserOutput |              
                +-----------------------+

获取提示​

你可能只想查看在链中使用的提示，可以使用get_prompts()方法：

chain.get_prompts()
[ChatPromptTemplate(input_variables=['context', 'question'], messages=[HumanMessagePromptTemplate(prompt=PromptTemplate(input_variables=['context', 'question'], template='Answer the question based only on the following context:\n{context}\n\nQuestion: {question}\n'))])]

下一步​

你现在已经学会了如何内省你组合的LCEL链。

接下来，查看本节中关于可运行对象的其他操作指南，或相关的操作指南调试你的链。

这个页面有帮助吗？