如何检查可运行对象

先决条件

本指南假定您熟悉以下概念

• LangChain 表达式语言 (LCEL)
• 链接可运行对象

一旦使用 LangChain 表达式语言 创建了可运行对象，您可能经常希望检查它以更好地了解正在发生的事情。本笔记本涵盖了一些执行此操作的方法。

本指南展示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 此部分。

首先，让我们创建一个示例链。我们将创建一个执行检索的链

%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 | RunnablePassthrough | ChatOpenAI | OpenAIEmbeddings

获取图

您可以使用 get_graph() 方法获取可运行对象的图形表示

chain.get_graph()

打印图

虽然这不是很清晰，但您可以使用 print_ascii() 方法以更易于理解的方式显示该图

chain.get_graph().print_ascii()

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

获取提示

您可能只想查看链中使用的提示，可以使用 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'))])]

下一步

您现在已经学习了如何内省您组合的 LCEL 链。

接下来，查看本节中关于可运行对象的其他操作指南，或关于 调试链 的相关操作指南。