如何检查可运行对象

先决条件

本指南假设您熟悉以下概念：

• LangChain 表达式语言（LCEL）
• 链接可运行对象

一旦您使用LangChain 表达式语言创建了一个可运行对象，您可能经常想要检查它以更好地了解正在发生的情况。本文介绍了一些方法。 本指南展示了一些以编程方式内省链的内部步骤的方法。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。我们将创建一个用于检索的链：

%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()
)

获取图形

您可以使用get_graph()方法获取可运行对象的图形表示：

chain.get_graph()

打印图形

虽然这不是非常易读，但您可以使用print_ascii()方法以更容易理解的方式显示该图形：

chain.get_graph().print_ascii()

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

获取提示

您可能希望使用get_prompts()方法查看链中使用的提示：

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

您现在已经学会了如何内省您组合的 LCEL 链。 接下来，请查看本节中有关可运行对象的其他操作指南，或者查看有关调试链的相关操作指南。