如何检查 runnables

先决条件

本指南假定您熟悉以下概念：

• LangChain 表达式语言 （LCEL）
• 链接 runnables

使用 LangChain 表达式语言创建可运行对象后，你可能经常需要检查它以更好地了解正在发生的事情。本笔记本介绍了一些执行此作的方法。

本指南介绍了一些以编程方式内省链内部步骤的方法。如果您对调试链中的问题感兴趣，请参阅本节。

首先，让我们创建一个示例链。我们将创建一个执行检索的 Resource：

%pip install -qU langchain langchain-openai faiss-cpu tiktoken

from langchain_community.vectorstores import FAISS
from langchain_core.output_parsers import StrOutputParser
from langchain_core.prompts import ChatPromptTemplate
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 = """Answer the question based only on the following context:
{context}

Question: {question}
"""
prompt = ChatPromptTemplate.from_template(template)

model = ChatOpenAI()

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

API 参考：FAISS | StrOutputParser | ChatPromptTemplate 模板 | RunnablePassthrough | 聊天OpenAI | OpenAI 嵌入

获取图表

您可以使用get_graph()获取 Runnable 的图形表示的方法：

chain.get_graph()

打印图表

虽然这并不是非常清晰，但您可以使用print_ascii()方法以更易于理解的方式显示该图表：

chain.get_graph().print_ascii()

           +---------------------------------+         
           | Parallel<context,question>Input |         
           +---------------------------------+         
                    **               **                
                 ***                   ***             
               **                         **           
+----------------------+              +-------------+  
| VectorStoreRetriever |              | Passthrough |  
+----------------------+              +-------------+  
                    **               **                
                      ***         ***                  
                         **     **                     
           +----------------------------------+        
           | Parallel<context,question>Output |        
           +----------------------------------+        
                             *                         
                             *                         
                             *                         
                  +--------------------+               
                  | ChatPromptTemplate |               
                  +--------------------+               
                             *                         
                             *                         
                             *                         
                      +------------+                   
                      | ChatOpenAI |                   
                      +------------+                   
                             *                         
                             *                         
                             *                         
                   +-----------------+                 
                   | StrOutputParser |                 
                   +-----------------+                 
                             *                         
                             *                         
                             *                         
                +-----------------------+              
                | StrOutputParserOutput |              
                +-----------------------+

获取提示

您可能希望只看到链中使用的提示符，其中get_prompts()方法：

chain.get_prompts()

[ChatPromptTemplate(input_variables=['context', 'question'], messages=[HumanMessagePromptTemplate(prompt=PromptTemplate(input_variables=['context', 'question'], template='Answer the question based only on the following context:\n{context}\n\nQuestion: {question}\n'))])]

后续步骤

您现在已经学会了如何内省您组合的 LCEL 链。

接下来，查看本节中关于 runnables 的其他操作指南，或相关的调试链的操作指南。