从LLMChain迁移
LLMChain 将提示模板、LLM 和输出解析器组合成一个类。
切换到LCEL实现的一些优势是：
- 内容和参数的清晰性。旧的
LLMChain包含一个默认的输出解析器和其他选项。 - 更简单的流式处理。
LLMChain仅支持通过回调进行流式处理。 - 如果需要，更容易访问原始消息输出。
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()
遗留问题
Details
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，默认情况下，LLMChain 返回一个包含输入和来自 StrOutputParser 的输出的 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
Details
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.'
如果你想模仿LLMChain中的输入和输出的dict打包，你可以使用RunnablePassthrough.assign，如下所示：
from langchain_core.runnables import RunnablePassthrough
outer_chain = RunnablePassthrough().assign(text=chain)
outer_chain.invoke({"adjective": "funny"})
API Reference:RunnablePassthrough
{'adjective': 'funny',
'text': 'Why did the scarecrow win an award? Because he was outstanding in his field!'}
下一步
请参阅本教程以获取更多关于使用提示模板、LLMs和输出解析器构建的详细信息。
查看LCEL概念文档以获取更多背景信息。