chain的不同调用方法

1、run方法

run方法是基本方法，返回为字符串格式。0.2.0后舍弃

context = "袜子"
chain = LLMChain(prompt=prompt, llm=model)
# 下面三种方式等价
llm_output = chain.run(context)
llm_output = chain.run({'context': context})
llm_output = chain.run(context=context)

1. 袜趣
2. 足下风情
3. 舒适之旅
4. 袜美人生
5. 步步为赢

chain.run(context)这种形式只用于传入一个参数，若传入多个参数，调用形式如下

chain.run({'context': context, 'num':num})
chain.run(context=context, num=num)

2、call方法

下面两种方式等价。

llm_output = chain(context)  
llm_output = chain({'context': context})

返回dict形式，通过添加, return_only_outputs=True，可以只返回text键

{'context': '袜子', 'text': '\n\n1. 袜趣\n2. 足下风情\n3. 舒适之旅\n4. 袜美人生\n5. 步步为赢'}

chain(context)只可传入一个参数，若传入多个参数，调用形式如下

chain({'context': context, 'num':num})

3、invoke方法

invoke方法是单次调用
下面两种方式等价

chain.invoke(context)
chain.invoke({'context': context})

返回dict格式

{'context': '袜子',  'text': '\n\n1. 袜趣\n2. 足下风情\n3. 舒适之旅\n4. 袜美人生\n5. 步步为赢'}

chain.invoke(context)只可传入一个参数，若传入多个参数，利用chain.invoke({‘context’: context, ‘num’:num})

4、predict方法

单个或者多个输出参数，调用方式都如下，其他方式出错

chain.predict(context=context, num=num)

返回字符串形式

1. 袜趣
2. 足下风情
3. 舒适之旅
4. 袜美人生
5. 步步为赢

5、各方法对比

下面方式等价，只是返回形式各有不同

chain.run({'context': context, 'num':num}))
chain({'context': context, 'num': num}）
chain.invoke({'context': context, 'num': num})
chain.predict(context=context, num=num)

返回如下

1. 袜趣
2. 足下风情
3. 舒适之旅
4. 袜美人生
5. 步步为赢
{'context': '袜子', 'num': '5', 'text': '\n\n1. 袜趣\n2. 足下风情\n3. 舒适之旅\n4. 袜美人生\n5. 步步为赢'}
{'context': '袜子', 'num': '5', 'text': '\n\n1. 袜趣\n2. 足下风情\n3. 舒适之旅\n4. 袜美人生\n5. 步步为赢'}1. 袜趣
2. 足下风情
3. 舒适之旅
4. 袜美人生
5. 步步为赢