[轻松掌握：如何为Runnable附加回调函数]

llzwxh888

于 2024-09-18 03:15:57 发布

阅读量118

点赞数 1

文章标签： python windows 开发语言

本文链接：https://blog.csdn.net/ppoojjj/article/details/142322055

版权

# 轻松掌握：如何为Runnable附加回调函数

在这篇文章中，我们将探讨如何为一个可运行的任务（Runnable）附加回调函数，以便在特定事件发生时触发特定的行为。这是一种强大的编程模式，可以让你的代码更加灵活和可扩展。

## 引言

在软件开发中，回调是一种常见的技术，用于在某个操作完成后执行特定的代码块。本指南将教你如何为一个可运行的链附加回调，并使用`with_config()`方法在多个执行之间重用这些回调。

## 主要内容

### 使用回调

回调是一个函数或方法，当另一个函数完成时由它来调用。通过使用回调，你可以在事件完成时作出响应。例如，你可以在计算完成时记录结果或者在链式操作完成时进行后续处理。

### 自定义回调处理程序

你可以创建自定义的回调处理程序，以便在特定事件发生时运行自定义代码。在这篇文章中，我们将展示如何创建一个日志记录处理程序，它将在聊天模型启动和结束时记录信息。

### 为Runnable附加回调

如果你想在执行一个可运行的链时附加回调，可以使用`with_config()`方法。这可以帮你在调用链时避免重复传递相同的回调。

## 代码示例

```python
from typing import Any, Dict, List
from langchain_anthropic import ChatAnthropic
from langchain_core.callbacks import BaseCallbackHandler
from langchain_core.messages import BaseMessage
from langchain_core.outputs import LLMResult
from langchain_core.prompts import ChatPromptTemplate

# 自定义回调处理程序
class LoggingHandler(BaseCallbackHandler):
    def on_chat_model_start(
        self, serialized: Dict[str, Any], messages: List[List[BaseMessage]], **kwargs
    ) -> None:
        print("Chat model started")

    def on_llm_end(self, response: LLMResult, **kwargs) -> None:
        print(f"Chat model ended, response: {response}")

    def on_chain_start(
        self, serialized: Dict[str, Any], inputs: Dict[str, Any], **kwargs
    ) -> None:
        print(f"Chain {serialized.get('name')} started")

    def on_chain_end(self, outputs: Dict[str, Any], **kwargs) -> None:
        print(f"Chain ended, outputs: {outputs}")

# 创建回调并附加到链上
callbacks = [LoggingHandler()]
llm = ChatAnthropic(model="claude-3-sonnet-20240229")
prompt = ChatPromptTemplate.from_template("What is 1 + {number}?")
chain = prompt | llm
chain_with_callbacks = chain.with_config(callbacks=callbacks)  # 使用API代理服务提高访问稳定性
chain_with_callbacks.invoke({"number": "2"})