深入探索LangChain Decorators：提升代码优雅性的新利器

bhawfgrcbtwny

于 2024-10-01 12:18:47 发布

阅读量103

点赞数 2

文章标签： langchain 前端 javascript python

本文链接：https://blog.csdn.net/bhawfgrcbtwny/article/details/142669722

版权

引言

在AI编程的世界中，LangChain Decorators提供了一种新的方式来编写自定义的LangChain提示和链。本文将介绍LangChain Decorators的关键特性，其如何为开发者带来更简洁、更具Python风格的编码体验，以及可能遇到的挑战和解决方案。

主要内容

1. LangChain Decorators的优势

LangChain Decorators是一个位于LangChain之上的层，提供了编写自定义提示和链的语法糖，使代码更具Pythonic特性。它在不打断代码流的情况下，支持多行提示，同时利用IDE的内置功能如提示和类型检查，提高开发效率。

2. 安装和使用

要开始使用LangChain Decorators，可以通过以下命令进行安装：

pip install langchain_decorators

3. 定义和运行提示

通过@llm_prompt装饰器，可以将一个函数标记为提示，使其成为一个LLMChain。以下是一个简单的示例：

from langchain_openai import OpenAI
from langchain_decorators import llm_prompt

@llm_prompt(
    llm=OpenAI(temperature=0.7),
    stop_tokens=["\nObservation"]
)
def creative_writer(book_title: str) -> str:
    """
    Write a creative story based on the book title {book_title}.
    """
    return

4. 内置支持的输出解析器

LangChain Decorators能够自动识别输出类型并选用最佳输出解析器，支持返回列表、字典和pydantic模型等复杂结构。

from langchain_decorators import llm_prompt
from pydantic import BaseModel

class CompanyInfo(BaseModel):
    name: str
    description: str

@llm_prompt
def generate_company_info(industry: str) -> CompanyInfo:
    """Generate company information for {industry} industry."""
    return

代码示例

以下是一个展示LangChain Decorators如何使用流处理的完整代码示例：

from langchain_decorators import StreamingContext, llm_prompt

@llm_prompt(capture_stream=True)
async def write_me_short_post(topic: str, platform: str = "twitter", audience: str = "developers"):
    """
    Write me a short header for my post about {topic} for {platform} platform.
    It should be for {audience} audience.
    (Max 15 words)
    """
    pass

tokens = []

def capture_stream_func(new_token: str):
    tokens.append(new_token)

with StreamingContext(stream_to_stdout=True, callback=capture_stream_func):
    result = await write_me_short_post(topic="AI innovations")
    print("Stream finished with result:", result)

print("Captured tokens:", tokens)