langchain源码

itemgetter：返回一个函数，函数取输入dict的某个指定key

Runnable 的基本方法有 invoke、 batch、 await、 ainvoke、 abatch 同步转异步

Runnable 还具有的方法：bind、 with_config。 input_schema 属性、output_schema 属性

with_retry方法：失败重试

也可以启动调试机制

config_schema() 方法：可接受的配置类型，指定为一个pydantic模型。

RunnableBinding类：用额外的功能封装一个Runnable。可运行的装饰器。包含方法：bind（绑定kwargs）、with_config（绑定配置）等等

RunnableLambda 将python函数转为Runnable

RunnableParallel 并行计算，并赋值一个key

RunnableAssign 一般与RunnableParallel结合，将输入数据复制保留，将产生的数据用 RunnableParallel的key记录下来

assign： 将上面的进行合并处理 xx.assign = xx | RunnableAssign(RunnableParallel(kwargs))

ICEL：声明式的方法。 主要的组合原语是 RunnableSequence 【顺序调用】和 RunnableParallel 【并发调用】。

ChatPromptTemplate 聊天模版、示例：

from langchain_core.prompts import ChatPromptTemplate
prompt = ChatPromptTemplate.from_messages([
    ("system", "You are a world class technical documentation writer."),
    ("user", "{input}")
])

StrOutputParser类 将 Message定向解析

模型：ChatModels、 LLMs

ChatModels： 输入是聊天消息列表、输出是AI消息

LLMs：纯文本补全模型

提示模板：ChatPromptTemplates

BaseExampleSelector 示例选择器

输出解析器 CommaSeparatedListOutputParser 解析逗号分隔值

partial 部分参数预先被填充

定义工具schemas： Pydantic类