【AI大模型应用开发】【LangChain系列】8. 重要组件介绍：如何运用LangChain表达式语言LCEL中的RunnableParallel和RunnablePassthrough？

• 大家好，我是同学小张，日常分享AI知识和实战案例
• 欢迎 点赞 + 关注 👏，持续学习，持续干货输出。
• +v: jasper_8017 一起交流💬，一起进步💪。
• 微信公众号也可搜【同学小张】 🙏

本站文章一览：

---

经过几次的LangChain实战，发现其中最常用的两个封装类：RunnableParallel 和 RunnablePassthrough。这是LangChain独有的表达式语言(LCEL)中最主要的组件。本文我们来深入学习下这两个组件的原理与使用。

0. 前置推荐阅读

LangChain实战系列：

• 【AI大模型应用开发】【LangChain系列】实战案例1：用LangChain写Python代码并执行来生成答案
• 【AI大模型应用开发】【LangChain系列】实战案例2：通过URL加载网页内容 - LangChain对爬虫功能的封装
• 【AI大模型应用开发】【LangChain系列】实战案例3：深入LangChain源码，你不知道的WebResearchRetriever与RAG联合之力
• 【AI大模型应用开发】【LangChain系列】实战案例4：再战RAG问答，提取在线网页数据，并返回生成答案的来源

LangChain表达式语言（LCEL）介绍：

• 【AI大模型应用开发】【LangChain系列】4. 从Chain到LCEL：探索和实战LangChain的巧妙设计

1. RunnableParallel

1.1 基础使用

官方概念如下：

RunnableParallel can be useful for manipulating the output of one Runnable to match the input format of the next Runnable in a sequence.
RunnableParallel 可用于操作一个Runnable的输出，以匹配序列中下一个Runnble的输入格式。

从下面这段示例代码来理解下官方的解释：

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()

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

retrieval_chain.invoke("where did harrison work?")

代码中每个 "|" 前后的元素都可看作是一个Runnable。

其中的 {"context": retriever, "question": RunnablePassthrough()} 就是RunnableParallel，它的作用就是将输入组成 context 和 question 为key的字典格式，传递给 prompt。

RunnableParallel 的使用可以有以下三种形式，三种形式等价：

{"context": retriever, "question": RunnablePassthrough()}

RunnableParallel({"context": retriever, "question": RunnablePassthrough()})

RunnableParallel(context=retriever, question=RunnablePassthrough())

1.2 并行执行多个Chain

RunnableParallel 可以让我们能够同时执行多个Chain，然后以字典形式返回各个Chain的结果。

from langchain_core.prompts import ChatPromptTemplate
from langchain_core.runnables import RunnableParallel
from langchain_openai import ChatOpenAI

model = ChatOpenAI()
joke_chain = ChatPromptTemplate.from_template("tell me a joke about {topic}") | model
poem_chain = (
    ChatPromptTemplate.from_template("write a 2-line poem about {topic}") | model
)

map_chain = RunnableParallel(joke=joke_chain, poem=poem_chain)

map_chain.invoke({"topic": "bear"})

以上示例代码中，定义了两个Chain：joke_chain 和 poem_chain，通过 RunnableParallel 同时执行。

注意 RunnableParallel(joke=joke_chain, poem=poem_chain) 中的key值为 joke 和 poem，返回的结果中会以这两个值作为每个Chain的key值组织结果。返回结果如下：

{'joke': AIMessage(content="Why don't bears wear shoes?\n\nBecause they have bear feet!"),
 'poem': AIMessage(content="In the wild's embrace, bear roams free,\nStrength and grace, a majestic decree.")}

2. RunnablePassthrough

官方解释：

RunnablePassthrough allows to pass inputs unchanged or with the addition of extra keys. This typically is used in conjuction with RunnableParallel to assign data to a new key in the map.
RunnablePassthrough 允许在不改变或添加额外键的情况下传递输入。这通常与RunnableParallel结合使用，将数据分配给映射中的新键。

还是以一个实例代码和输出来看下它怎么用。

from langchain_core.runnables import RunnableParallel, RunnablePassthrough

runnable = RunnableParallel(
    passed=RunnablePassthrough(),
    extra=RunnablePassthrough.assign(mult=lambda x: x["num"] * 3),
    modified=lambda x: x["num"] + 1,
)

runnable.invoke({"num": 1})

以上代码并行执行了三行代码，其输出结果为：

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

（1）第一行代码：passed=RunnablePassthrough()，直接透传输入：'passed': {'num': 1}
（2）第二行代码：extra=RunnablePassthrough.assign(mult=lambda x: x["num"] * 3)，除了透传原数据，还加了 mult 的值，通过 assign 函数将两个结果组装输出：'extra': {'num': 1, 'mult': 3}。
（3）第三行代码：modified=lambda x: x["num"] + 1，在原值基础上执行+1操作，没使用 assign 函数，因此原数据不组合输出：'modified': 2

3. 参考链接

https://python.langchain.com/docs/expression_language/how_to/map
https://python.langchain.com/docs/expression_language/how_to/passthrough

如果觉得本文对你有帮助，麻烦点个赞和关注呗 ~~~

---

• 大家好，我是 同学小张，日常分享AI知识和实战案例
• 欢迎 点赞 + 关注 👏，持续学习，持续干货输出。
• +v: jasper_8017 一起交流💬，一起进步💪。
• 微信公众号也可搜【同学小张】 🙏

本站文章一览：