基于LangChain的RAG与Agent智能体开发 - RunnableLambda实现复杂多模型链路调用

大家好,我是小锋老师,最近更新《2027版 基于LangChain的RAG与Agent智能体 开发视频教程》专辑,感谢大家支持。

本课程主要介绍和讲解RAG,LangChain简介,接入通义千万大模型 ,Ollama简介以及安装和使用,OpenAI 库介绍和使用,以及最重要的基于LangChain实现RAG与Agent智能体开发技术。

视频教程+课件+源码打包下载 :

链接:https://pan.baidu.com/s/1_NzaNr0Wln6kv1rdiQnUTg

提取码:0000

基于LangChain的RAG与Agent智能体开发 - RunnableLambda实现复杂多模型链路调用

前面示例都是比较简单的链路调用,但是在实际开发中,我们经常需要做复杂的多模型链路调用,也就是调用模型生成的内容之后,继续做下处理,继续调用模型。这里面涉及到格式问题了。传入下一个模型的比如字典格式。

我们可以通过RunnableLambda类来实现格式的转换。

我们来看一个示例:

复制代码
from langchain_community.llms.tongyi import Tongyi
from langchain_core.prompts import PromptTemplate
from langchain_core.runnables import RunnableLambda

# 定义一个模板,包含两个变量:product 和 price
template = "我的所在的行业是:{sector},哪个细分领域职位最有前途,直接告诉我职位名字即可"

# 创建 PromptTemplate 对象
prompt = PromptTemplate(
    input_variables=["sector"],  # 输入变量
    template=template  # 模板
)

# 再定义一个模板,包含一个变量:name
template2 = "请用简单的话描述下:{name}这个职位。最后再回答下:{extra}"

# 创建 PromptTemplate 对象
prompt2 = PromptTemplate(
    input_variables=["name", "extra"],  # 输入变量
    template=template2  # 模板
)

model = Tongyi(model="qwen-plus")  # 创建模型

# myfunc = RunnableLambda(lambda x: {"name": x})

# 创建链式调用
chain = prompt | model | (lambda x: {"name": x, "extra": "这个职位在北京5年经验年薪平均多少万?"}) | prompt2 | model

# 调用模型
result = chain.stream(input={"sector": "IT"})
for chunk in result:
    print(chunk, end="", flush=True)

运行输出:

相关推荐
ComPDFKit16 小时前
RAG 回答只显示 PDF 文件名?用 Python 保留引用页码
开发语言·python·pdf·rag
YIAN19 小时前
从 LangChain 到 DeepAgents:手把手拆解 createAgent、Middleware 与复杂 Agent
javascript·langchain·deepseek
K72 天前
别再搜「LangChain 教程」了——你学的 Chain 已经被判了死刑
langchain·ai编程
xyphf_和派孔明2 天前
第六章: AI Agent长期记忆的存储引擎介绍
langchain·llm·agent
xyphf_和派孔明2 天前
第四章: AI Agent短期记忆的信息管理机制设计
langchain·llm·agent
Soari2 天前
NetPilot:用RAG与验证回路辅助混合TSN和5G网络配置
5g·网络配置·大语言模型·tsn·rag
叼烟扛炮2 天前
[LangChain] 学习笔记(13):并发不是越大越好——batch / gather / 信号量 / 配额治理
笔记·学习·langchain
攒了一袋星辰2 天前
AI 求职长期记忆原理解析:从碎片经历到贝叶斯能力星图
知识图谱·agent·rag·ai工程·校招面试
叼烟扛炮3 天前
[LangChain] 学习笔记(09):工具(Tool)定义与调用闭环 · 理论+实战完整版
笔记·学习·langchain
LiaoWL1233 天前
从零搭一个 RAG 知识库(二):换上语义 Embedding——BGE 实测与阈值重校准
python·大模型·numpy·embedding·向量检索·rag