检查你的可运行实体

一旦你使用LCEL创建了一个可运行实体，你可能经常想要检查它以更好地了解正在进行的事情。本笔记本介绍了一些方法来进行此操作。

首先，让我们创建一个示例LCEL。我们将创建一个进行检索的实体

%pip install --upgrade --quiet  langchain langchain-openai faiss-cpu tiktoken

from langchain.prompts import ChatPromptTemplate
from langchain_community.vectorstores import FAISS
from langchain_core.output_parsers import StrOutputParser
from langchain_core.runnables import RunnablePassthrough
from langchain_openai import ChatOpenAI, OpenAIEmbeddings

vectorstore = FAISS.from_texts(
    ["harrison worked at kensho"], embedding=OpenAIEmbeddings()
)
retriever = vectorstore.as_retriever()
 
template = """根据以下上下文回答问题：
{context}
 
问题：{question}
"""
prompt = ChatPromptTemplate.from_template(template)
 
model = ChatOpenAI()

chain = (
    {"context": retriever, "question": RunnablePassthrough()}
    | prompt
    | model
    | StrOutputParser()
)

获取图形

您可以获取可运行实体的图形

chain.get_graph()

打印图形

尽管这并没有非常易读，但您可以打印它以获得更易于理解的显示

chain.get_graph().print_ascii()

           +---------------------------------+         
           | 并行<context,question>输入 |         
           +---------------------------------+         
                    **               **                
                 ***                   ***             
               **                         **           
+----------------------+              +-------------+  
| VectorStoreRetriever |              | Passthrough |  
+----------------------+              +-------------+  
                    **               **                
                      ***         ***                  
                         **     **                     
           +----------------------------------+        
           | 并行<context,question>输出 |        
           +----------------------------------+        
                             *                         
                             *                         
                             *                         
                  +--------------------+               
                  | ChatPromptTemplate |               
                  +--------------------+               
                             *                         
                             *                         
                             *                         
                      +------------+                   
                      | ChatOpenAI |                   
                      +------------+                   
                             *                         
                             *                         
                             *                         
                   +-----------------+                 
                   | StrOutputParser |                 
                   +-----------------+                 
                             *                         
                             *                         
                             *                         
                +-----------------------+              
                | StrOutputParserOutput |              
                +-----------------------+

获取提示

每个链中的提示是重要的部分。您可以获取链中的提示：

chain.get_prompts()

[ChatPromptTemplate(input_variables=['context', 'question'], messages=[HumanMessagePromptTemplate(prompt=PromptTemplate(input_variables=['context', 'question'], template='根据以下上下文回答问题：\n{context}\n\n问题：{question}\n'))])]

装饰器（Decorator）消息历史（MessageHistory）