链 Chains

在简单应用中，单独使用LLM是可以的，但是更复杂的应用需要将LLM链接在一起 - 要么与其他LLM链接在一起，要么与其他组件链接在一起。

LangChain为这种“链接”应用提供了Chain接口。我们将链定义为一系列对组件的调用，可以包括其他链。基本接口很简单：

class Chain(BaseModel, ABC):  
    """所有链都应该实现的基本接口。"""  
    
    memory: BaseMemory  
    callbacks: Callbacks  
    
    def __call__(  
        self,  
        inputs: Any,  
        return_only_outputs: bool = False,  
        callbacks: Callbacks = None,  
    ) -> Dict[str, Any]:  
        ...  

将组件组合在一起形成链的思想简单而强大。它极大地简化了复杂应用的实现，并使应用更加模块化，从而更容易调试、维护和改进应用。

有关更多详细信息，请查看：

• How-to，了解不同链特性的演示
• Foundational，熟悉核心构建块链
• Document，学习如何将文档纳入链中
• Popular，常见用例的链
• Additional，查看一些更高级的链和集成，可以直接使用

为什么我们需要链？

链允许我们将多个组件组合在一起，创建一个单一、连贯的应用程序。例如，我们可以创建一个链，接收用户输入，使用PromptTemplate对其进行格式化，然后将格式化后的响应传递给LLM。我们可以通过将多个链组合在一起，或将链与其他组件组合，构建更复杂的链。

入门

使用LLMChain

LLMChain是最基本的构建块链。它接收一个提示模板，将其与用户输入进行格式化，并返回LLM的响应。

要使用LLMChain，首先创建一个提示模板。

from langchain.llms import OpenAI  
from langchain.prompts import PromptTemplate  

llm = OpenAI(temperature=0.9)  
prompt = PromptTemplate(  
    input_variables=["product"],  
    template="What is a good name for a company that makes {product}?",  
)  

现在，我们可以创建一个非常简单的链，它将接收用户输入，使用提示模板进行格式化，然后将其发送给LLM。

from langchain.chains import LLMChain  
chain = LLMChain(llm=llm, prompt=prompt)  

# 仅指定输入变量运行链。
print(chain.run("colorful socks"))  

输出结果为：

Colorful Toes Co.

如果有多个变量，可以使用字典一次性输入它们。

prompt = PromptTemplate(  
    input_variables=["company", "product"],  
    template="What is a good name for {company} that makes {product}?",  
)  
chain = LLMChain(llm=llm, prompt=prompt)  
print(chain.run({  
    'company': "ABC Startup",  
    'product': "colorful socks"  
}))  

输出结果为：

Socktopia Colourful Creations.

您还可以在LLMChain中使用聊天模型：

from langchain.chat_models import ChatOpenAI  
from langchain.prompts.chat import (  
    ChatPromptTemplate,  
    HumanMessagePromptTemplate,  
)  
human_message_prompt = HumanMessagePromptTemplate(  
        prompt=PromptTemplate(  
            template="What is a good name for a company that makes {product}?",  
            input_variables=["product"],  
        )  
    )  
chat_prompt_template = ChatPromptTemplate.from_messages([human_message_prompt])  
chat = ChatOpenAI(temperature=0.9)  
chain = LLMChain(llm=chat, prompt=chat_prompt_template)  
print(chain.run("colorful socks"))  

输出结果为：

Rainbow Socks Co.