上篇文章《5分钟了解LangChain的路由链》里主要介绍了路由链，核心类是LLMRouterChain和MultiPromptChain。本文介绍LangChain里的另外1个重要的链：转换链。
在开发AI Agent（智能体）时，我们经常需要对输入数据进行预处理，这样可以更好地利用LLM。LangChain提供了一个强大的工具——转换链（TransformChain），它可以帮我们轻松实现这一任务。
转换链（TransformChain）主要是将 给定的数据 按照某个函数进行转换，再将 转换后的结果 输出给LLM。 所以转换链的核心是：根据业务逻辑编写合适的转换函数。
其实，转换链的设计也很精妙，从源码可以看出，它只是做了一条链，然后具体的任务完全丢给了外部的函数来实现。在LangChain里只要是链，就可以随处链接。
转换链只有1个核心类，TransformChain。
有时，我们在将数据发送给LLM之前，希望对其做一些操作时（比如替换一些字符串、截取部分文本等等），就会用到转换链。TransformChain 在 NLP 中很重要，有些场景还很实用。
一般使用转换链有几个固定步骤：
比如，给定LLM一篇很长的文章，但是我只想让LLM帮我总结文章前3自然段的内容，同时，总结之前，我还需要将自然段里的 部分字段 替换成 给定字段。
具体代码如下：
from langchain.prompts import PromptTemplatefrom langchain.chains import LLMChain, TransformChain, SimpleSequentialChainfrom langchain_openai import OpenAI, ChatOpenAIfile_content = ""with open("./file_data.txt", "r") as file: file_content = file.read()# 定义转换函数，截取文章前8段，再替换部分字符串def transform_func(data): text = data["input_text"] shortened_text = "/n".join(text.split("/n")[:7]) transform_shortened_text: str = shortened_text.replace( "PVC", "PersistentVolumeClaim" ).replace("PV", "PersistentVolume") return {"output_text": transform_shortened_text}# 定义转换链transform_chain = TransformChain( input_variables=["input_text"], output_variables=["output_text"], transform=transform_func,)# 定义LLMmodel = ChatOpenAI( model_name="gpt-3.5-turbo", openai_api_key="sk-xxxxxx", openai_api_base="https://api.302.ai/v1",)# 定义提示词模板 和 LLM链prompt_template = """请你对下面的文字进行总结:{output_text}总结:"""prompt = PromptTemplate(input_variables=["output_text"], template=prompt_template)llm_chain = LLMChain( llm=model, prompt=prompt,)# 使用顺序链连接起来final_chain = SimpleSequentialChain(chains=[transform_chain, llm_chain])res = final_chain.run(file_content)print(res)代码执行结果符合预期。总结的结果很精通，同时也是按照给定的字符串返回的。
这篇博客主要介绍了LangChain中的转换链（TransformChain）的概念，它主要用在需要对输入的内容进行转换的场景下。希望对你有帮助！
本文链接：//www.dmpip.com//www.dmpip.com/showinfo-26-96420-0.htmlLangChain转换链：让数据处理更精准
声明：本网页内容旨在传播知识，若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。邮件：2376512515@qq.com
上一篇： Java 流式编程的七个必学技巧
Copyright © 2016-2023 天津谷骐科技有限公司 版权所有 sitemap.xml
违法及侵权请联系：2376512515@qq.com 津ICP备18001702号
津公网安备 12010102000574号
