从LLMChain迁移到LCEL:提升LangChain应用的效率与灵活性_langchain 的llmchain是否可以流式回复-CSDN博客

本文链接：https://blog.csdn.net/qq_29929123/article/details/141147159

标题: 从LLMChain迁移到LCEL:提升LangChain应用的效率与灵活性

内容:

从LLMChain迁移到LCEL:提升LangChain应用的效率与灵活性

引言

LangChain是一个强大的框架,用于构建基于大语言模型(LLM)的应用。随着LangChain的不断发展,新的组件和模式被引入以提高开发效率和应用灵活性。本文将探讨从传统的LLMChain迁移到新的LangChain Expression Language (LCEL)的过程,解释这一迁移的优势,并提供实际的代码示例。

LLMChain vs LCEL

LLMChain的局限性

LLMChain是LangChain中一个常用的组件,它将提示模板、LLM和输出解析器组合成一个类。虽然LLMChain功能强大,但它也有一些局限性:

配置不够透明:LLMChain包含默认的输出解析器和其他选项,这些可能不总是显而易见的。
流式处理支持有限:LLMChain只能通过回调支持流式处理。
访问原始消息输出较困难:只能通过参数或回调来访问LLM的原始输出。

LCEL的优势

LCEL (LangChain Expression Language)是一种新的实现方式,它提供了以下优势:

更清晰的组件结构和参数:每个组件的功能和参数都更加明确。
更容易实现流式处理:LCEL原生支持流式处理,无需依赖回调。
更容易访问原始输出:可以直接访问LLM的原始输出,无需额外配置。
更高的灵活性:可以轻松组合和重用不同的组件。

从LLMChain迁移到LCEL

让我们通过一个实际的例子来看看如何从LLMChain迁移到LCEL。

使用LLMChain的传统方法

首先,让我们看看使用LLMChain的传统方法:

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")],
)</