本文將詳細(xì)介紹LangChain的輸出解析器OutputParser的使用方法，以及如何基于LangChain的LCEL構(gòu)建鏈。我們將通過實例來展示這些功能，幫助您更好地理解和使用LangChain。

一、輸出解析器OutputParser

1.1 為什么需要OutputParser

在使用LangChain構(gòu)建LLM應(yīng)用的常規(guī)流程中，我們需要進行Prompt輸入、調(diào)用LLM、以及處理LLM的輸出。有時候，我們期望LLM給到的數(shù)據(jù)是格式化的數(shù)據(jù)，這樣可以方便我們進行后續(xù)的處理。

為了實現(xiàn)這個目標(biāo)，我們需要在Prompt里設(shè)置好要求，然后LLM會在輸出內(nèi)容后，再將內(nèi)容傳給輸出解析器，輸出解析器會將內(nèi)容解析成我們預(yù)期的格式。

1.2 代碼實踐

1.2.1 調(diào)用系統(tǒng)自帶的輸出解析器

我們可以使用系統(tǒng)自帶的輸出解析器來解析LLM的結(jié)果。例如，我們可以將LLM的結(jié)果解析為逗號分隔的列表。以下是一個示例，它詢問某個城市有N個景點。

from langchain_openai import ChatOpenAI
from langchain.output_parsers import CommaSeparatedListOutputParser
from langchain.prompts import ChatPromptTemplate

prompt = ChatPromptTemplate.from_messages([
    ("system", "{parser_instructions}"),
    ("human", "列出{cityName}的{viewPointNum}個著名景點。")
])

output_parser = CommaSeparatedListOutputParser()
parser_instructions = output_parser.get_format_instructions()
# 查看解析器的指令內(nèi)容
print(parser_instructions)

final_prompt = prompt.invoke({"cityName": "南京", "viewPointNum": 3, "parser_instructions": parser_instructions})

model = ChatOpenAI(model="gpt-3.5-turbo",
                   openai_api_key="sk-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx",
                   openai_api_base="https://api.aigc369.com/v1")
response = model.invoke(final_prompt)
print(response.content)

ret = output_parser.invoke(response)
print(ret)

1.2.2 自定義格式的輸出解析器

除了使用系統(tǒng)自帶的輸出格式，我們還可以使用自定義的輸出格式。使用步驟如下：

• 定義數(shù)據(jù)結(jié)構(gòu)類，繼承pydantic的BaseModel

• 使用輸出解析器PydanticOutputParser

• 后續(xù)是常規(guī)操作：生成prompt、調(diào)用LLM執(zhí)行、將輸出按照Parser解析

以下是一個示例，它給LLM一段書籍的介紹，讓他按照指定的格式總結(jié)輸出。

from typing import List

from langchain.output_parsers import PydanticOutputParser
from langchain.prompts import ChatPromptTemplate
from langchain.schema import HumanMessage
from langchain_core.pydantic_v1 import BaseModel, Field
from langchain_openai import ChatOpenAI


class BookInfo(BaseModel):
    book_name: str = Field(description="書籍的名字")
    author_name: str = Field(description="書籍的作者")
    genres: List[str] = Field(description="書籍的體裁")


output_parser = PydanticOutputParser(pydantic_object=BookInfo)
# 查看輸出解析器的內(nèi)容，會被輸出成json格式
print(output_parser.get_format_instructions())

prompt = ChatPromptTemplate.from_messages([
    ("system", "{parser_instructions} 你輸出的結(jié)果請使用中文。"),
    ("human", "請你幫我從書籍的概述中，提取書名、作者，以及書籍的體裁。書籍概述會被三個#符號包圍。\n###{book_introduction}###")
])

book_introduction = """
《朝花夕拾》原名《舊事重提》，是現(xiàn)代文學(xué)家魯迅的散文集，收錄魯迅于1926年創(chuàng)作的10篇回憶性散文， [1]1928年由北京未名社出版，現(xiàn)編入《魯迅全集》第2卷。
此文集作為“回憶的記事”，多側(cè)面地反映了作者魯迅青少年時期的生活，形象地反映了他的性格和志趣的形成經(jīng)過。前七篇反映他童年時代在紹興的家庭和私塾中的生活情景，后三篇敘述他從家鄉(xiāng)到南京，又到日本留學(xué)，然后回國教書的經(jīng)歷；揭露了半殖民地半封建社會種種丑惡的不合理現(xiàn)象，同時反映了有抱負(fù)的青年知識分子在舊中國茫茫黑夜中，不畏艱險，尋找光明的困難歷程，以及抒發(fā)了作者對往日親友、師長的懷念之情 [2]。
文集以記事為主，飽含著濃烈的抒情氣息，往往又夾以議論，做到了抒情、敘事和議論融為一體，優(yōu)美和諧，樸實感人。作品富有詩情畫意，又不時穿插著幽默和諷喻；形象生動，格調(diào)明朗，有強烈的感染力。
"""

model = ChatOpenAI(model="gpt-3.5-turbo",
                   openai_api_key="sk-BuQK7SGbqCZP2i2z7fF267AeD0004eF095AbC78d2f79E019",
                   openai_api_base="https://api.aigc369.com/v1")
final_prompt = prompt.invoke({"book_introduction": book_introduction,
                              "parser_instructions": output_parser.get_format_instructions()})
response = model.invoke(final_prompt)
print(response.content)
result = output_parser.invoke(response)
print(result)

二、利用LCEL構(gòu)建鏈

2.1 LCEL是啥

LCEL是LangChain 表達(dá)式語言（LangChain Expression Language）的簡稱。使用LCEL可以快速將各種鏈組合到一起，那鏈又是啥呢？

在LangChain里，只要一個類實現(xiàn)了Runnable接口，并且有invoke方法，都可以成為鏈。實現(xiàn)了Runnable接口的類，可以拿上一個鏈的輸出作為自己的輸入。

2.2 使用區(qū)別

2.2.1 不使用LCEL

如果我們不使用LCEL，代碼寫起來可能會比較繁瑣，invoke方法會滿天飛。比如這樣：

final_prompt = prompt.invoke({"book_introduction": book_introduction,
                              "parser_instructions": output_parser.get_format_instructions()})
response = model.invoke(final_prompt)
result = output_parser.invoke(response)

2.2.2 使用LCEL

如果我們使用LCEL，代碼會變得更加簡潔，表達(dá)力也會更強。比如這樣：

chain = prompt | model | output_parser
ret = chain.invoke({"book_introduction": book_introduction,
                    "parser_instructions": output_parser.get_format_instructions()})

文章來源地址http://www.zghlxwxcb.cn/article/775.html

到此這篇關(guān)于LangChain輸出解析器與鏈的深度解析的文章就介紹到這了,更多相關(guān)內(nèi)容可以在右上角搜索或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！