如何在链的状态中添加值

先决条件

本指南假设您熟悉以下概念

• LangChain 表达式语言 (LCEL)
• 链接 Runnable
• 并行调用 Runnable
• 自定义函数
• 传递数据

一种替代的 传递数据 通过链的步骤的方法是在保留链状态的当前值的同时，在给定键下分配一个新值。 RunnablePassthrough.assign() 静态方法接受一个输入值，并将传递给 assign 函数的额外参数添加到其中。

这在常用的 LangChain 表达式语言 模式中很有用，该模式累加创建字典以用作稍后步骤的输入。

以下是一个示例

import {
  RunnableParallel,
  RunnablePassthrough,
} from "@langchain/core/runnables";

const runnable = RunnableParallel.from({
  extra: RunnablePassthrough.assign({
    mult: (input: { num: number }) => input.num * 3,
    modified: (input: { num: number }) => input.num + 1,
  }),
});

await runnable.invoke({ num: 1 });

{ extra: { num: 1, mult: 3, modified: 2 } }

让我们分解一下这里发生了什么。

• 链的输入是 {"num": 1}。它传递到一个 RunnableParallel 中，RunnableParallel 会并行调用它所传递的 Runnable，并使用该输入。
• extra 键下的值被调用。RunnablePassthrough.assign() 保留输入字典 ({"num": 1}) 中的原始键，并分配一个名为 mult 的新键。该值是 lambda x: x["num"] * 3)，结果是 3。因此，结果是 {"num": 1, "mult": 3}。
• {"num": 1, "mult": 3} 被返回到 RunnableParallel 调用，并被设置为 extra 键的值。
• 同时，modified 键被调用。结果是 2，因为 lambda 从其输入中提取名为 "num" 的键并加一。

因此，结果是 {'extra': {'num': 1, 'mult': 3}, 'modified': 2}。

流式传输

该方法的一个便利功能是它允许值在可用时立即传递。为了展示这一点，我们将使用 RunnablePassthrough.assign() 在检索链中立即返回源文档

提示

请参阅 此部分了解有关安装集成软件包的一般说明。

npm

npm i @langchain/openai @langchain/core

yarn

yarn add @langchain/openai @langchain/core

pnpm

pnpm add @langchain/openai @langchain/core

import { StringOutputParser } from "@langchain/core/output_parsers";
import { ChatPromptTemplate } from "@langchain/core/prompts";
import {
  RunnablePassthrough,
  RunnableSequence,
} from "@langchain/core/runnables";
import { ChatOpenAI, OpenAIEmbeddings } from "@langchain/openai";
import { MemoryVectorStore } from "langchain/vectorstores/memory";

const vectorstore = await MemoryVectorStore.fromDocuments(
  [{ pageContent: "harrison worked at kensho", metadata: {} }],
  new OpenAIEmbeddings()
);

const retriever = vectorstore.asRetriever();

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

Question: {question}
`;

const prompt = ChatPromptTemplate.fromTemplate(template);

const model = new ChatOpenAI({ model: "gpt-4o" });

const generationChain = prompt.pipe(model).pipe(new StringOutputParser());

const retrievalChain = RunnableSequence.from([
  {
    context: retriever.pipe((docs) => docs[0].pageContent),
    question: new RunnablePassthrough(),
  },
  RunnablePassthrough.assign({ output: generationChain }),
]);

const stream = await retrievalChain.stream("where did harrison work?");

for await (const chunk of stream) {
  console.log(chunk);
}

{ question: "where did harrison work?" }
{ context: "harrison worked at kensho" }
{ output: "" }
{ output: "H" }
{ output: "arrison" }
{ output: " worked" }
{ output: " at" }
{ output: " Kens" }
{ output: "ho" }
{ output: "." }
{ output: "" }

我们可以看到第一个块包含原始的 "question"，因为它是立即可用的。第二个块包含 "context"，因为检索器第二个完成。最后，generation_chain 的输出会以块的形式流式传输，只要它可用。

下一步

现在您已经了解了如何将数据传递到您的链中，以帮助格式化流经链的数据。

要了解更多信息，请参阅本部分中关于 Runnable 的其他操作指南。