目录
LangChain Experssion Language简介
LangChain Experssion Language示例大赏
Create a runnable with the `@chain` decorator：chain chain
Add fallbacks：出错了怎么回退
Stream custom generator functions：让答案变得流式一些
Inspect your runnables：chain长啥样
Add message history (memory)：加入历史记录的chain chain
LangChain Experssion Language简介
哒哒，我又来了！首先继续介绍一下咱们明星产品Langchain的LangChain Experssion Language，简称LCEL，感觉就是为了节省代码量，让程序猿们更好地搭建基于大语言模型的应用，而在LangChain框架中整了新的语法来搭建prompt+LLM的chain。来，大家直接看官网链接：LangChain Expression Language (LCEL) | 🦜️🔗 Langchain。
本文的例子主要来自官网给出的How to示例（How to | 🦜️🔗 Langchain）。就是我现在没工作在家自己学习一下，毕竟也是做NLP的。然后就自己理解看一遍代码，如果有问题的话欢迎来评论。本文是二，有二必然有一，但是未必有三。为了让大家不会觉得看不下去，是的，我分了两篇文章《LangChain Experssion Language之How to（一）》和《LangChain Experssion Language之How to（二）》。下面来简单看看这篇文章里的示例吧。
LangChain Experssion Language示例大赏
Create a runnable with the `@chain` decorator：chain chain
可以利用chain定义你的chain
@chain
def custom_chain(text):prompt_val1 = prompt1.invoke({"topic": text})output1 = ChatOpenAI().invoke(prompt_val1)parsed_output1 = StrOutputParser().invoke(output1)chain2 = prompt2 | ChatOpenAI() | StrOutputParser()return chain2.invoke({"joke": parsed_output1})Add fallbacks：出错了怎么回退
由于LLM可能会出现API错误，因此这一节示例就是告诉你发生错误的时候怎么回退。
因为API的调用限制报错，比如openai_llm有问题，利用with_fallbacks回退到anthropic_llm。
from unittest.mock import patchimport httpx
from openai import RateLimitErrorreq
)
