LangChainGo Chains Examples
LangChainGo Chains 包功能展示 以下是一个综合用例，展示了 LangChainGo chains 包的主要功能和用法。这个用例包含了基础链、文档处理链、特定任务链和内存管理等方面的示例代码。
package main import ( "context" "database/sql" "fmt" "log" "os" "strings" "github.com/tmc/langchaingo/callbacks" "github.com/tmc/langchaingo/chains" "github.com/tmc/langchaingo/documentloaders" "github.com/tmc/langchaingo/embeddings" "github.com/tmc/langchaingo/llms" "github.com/tmc/langchaingo/llms/openai" "github.com/tmc/langchaingo/memory" "github.com/tmc/langchaingo/outputparser" "github.com/tmc/langchaingo/prompts" "github.com/tmc/langchaingo/schema" "github.com/tmc/langchaingo/textsplitter" "github.com/tmc/langchaingo/tools" "github.com/tmc/langchaingo/vectorstores/chroma" _ "github.com/mattn/go-sqlite3" ) func main() { // 设置OpenAI API密钥 apiKey := os.Getenv("OPENAI_API_KEY") if apiKey == "" { log.Fatal("OPENAI_API_KEY环境变量未设置") } // 创建上下文 ctx := context.Background() // 创建回调处理器，用于记录链的执行过程 callbackHandler := callbacks.NewManager() callbackHandler.AddHandler(callbacks.NewLogHandler()) // 创建LLM模型 llm, err := openai.New( openai.WithModel("gpt-3.5-turbo"), openai.WithCallbacksHandler(callbackHandler), ) if err != nil { log.Fatalf("创建LLM失败: %v", err) } // 1. 基础链示例 basicChainExample(ctx, llm) // 2. 顺序链示例 sequentialChainExample(ctx, llm) // 3. 文档处理链示例 documentChainsExample(ctx, llm) // 4. 特定任务链示例 specificTaskChainsExample(ctx, llm) // 5. 内存管理示例 memoryManagementExample(ctx, llm) // 6. 并行处理示例 parallelProcessingExample(ctx, llm) } // 1. 基础链示例：LLMChain和Transform链 func basicChainExample(ctx context.Context, llm llms.Model) { fmt.Println("\n=== 基础链示例 ===") // 1.1 LLMChain示例 promptTemplate := prompts.NewPromptTemplate( "你是一个有用的AI助手。请回答以下问题: {question}", []string{"question"}, ) llmChain := chains.NewLLMChain(llm, promptTemplate) result, err := chains.Run(ctx, llmChain, "什么是LangChain?") if err != nil { log.Fatalf("执行LLMChain失败: %v", err) } fmt.Printf("LLMChain结果: %s\n", result) // 1.2 Transform链示例 transformChain := chains.NewTransform( // 转换函数，将输入文本转换为大写 func(ctx context.Context, input map[string]any) (map[string]any, error) { text, ok := input["text"].(string) if !ok { return nil, fmt.Errorf("输入必须包含'text'字段") } return map[string]any{"result": strings.ToUpper(text)}, nil }, []string{"text"}, // 输入键 []string{"result"}, // 输出键 ) transformResult, err := chains.Run(ctx, transformChain, "hello world") if err != nil { log.Fatalf("执行Transform链失败: %v", err) } fmt.Printf("Transform链结果: %s\n", transformResult) } // 2. 顺序链示例：SequentialChain和SimpleSequentialChain func sequentialChainExample(ctx context.Context, llm llms.Model) { fmt.Println("\n=== 顺序链示例 ===") // 2.1 SimpleSequentialChain示例 // 第一个链：生成一个故事大纲 outlinePrompt := prompts.NewPromptTemplate( "请为一个关于{topic}的短故事创建一个简短的大纲。", []string{"topic"}, ) outlineChain := chains.NewLLMChain(llm, outlinePrompt) // 第二个链：根据大纲生成故事 storyPrompt := prompts.NewPromptTemplate( "根据以下大纲创建一个短故事：\n{input}\n请确保故事有一个好的开头、中间和结尾。", []string{"input"}, ) storyChain := chains.NewLLMChain(llm, storyPrompt) // 创建SimpleSequentialChain simpleSeqChain := chains.NewSimpleSequentialChain([]chains.Chain{outlineChain, storyChain}) simpleSeqResult, err := chains.Run(ctx, simpleSeqChain, "太空探险") if err != nil { log.Fatalf("执行SimpleSequentialChain失败: %v", err) } fmt.Printf("SimpleSequentialChain结果: \n%s\n", simpleSeqResult) // 2.2 SequentialChain示例 // 第一个链：生成人物描述 characterPrompt := prompts.NewPromptTemplate( "创建一个名为{character_name}的角色描述，他/她生活在{setting}。", []string{"character_name", "setting"}, ) characterChain := chains.NewLLMChain(llm, characterPrompt) // 第二个链：生成情节 plotPrompt := prompts.NewPromptTemplate( "为以下角色创建一个情节：\n{character_description}\n情节应该发生在{setting}并包含{theme}元素。", []string{"character_description", "setting", "theme"}, ) plotChain := chains.NewLLMChain(llm, plotPrompt) // 创建SequentialChain seqChain, err := chains.NewSequentialChain( []chains.Chain{characterChain, plotChain}, []string{"character_name", "setting", "theme"}, // 输入键 []string{"text"}, // 输出键 map[string]string{ // 变量映射 "character_chain.text": "character_description", }, ) if err != nil { log.Fatalf("创建SequentialChain失败: %v", err) } seqResult, err := chains.Call(ctx, seqChain, map[string]any{ "character_name": "李明", "setting": "未来的北京", "theme": "人工智能", }) if err != nil { log.Fatalf("执行SequentialChain失败: %v", err) } fmt.Printf("SequentialChain结果: \n%s\n", seqResult["text"]) } // 3. 文档处理链示例：StuffDocuments、RefineDocuments和MapReduceDocuments func documentChainsExample(ctx context.Context, llm llms.Model) { fmt.Println("\n=== 文档处理链示例 ===") // 准备示例文档 docs := []schema.Document{ {PageContent: "LangChain是一个用于开发由语言模型驱动的应用程序的框架。它可以帮助开发人员使用语言模型构建端到端的应用程序。"}, {PageContent: "LangChain提供了多种组件，如提示模板、LLM封装、链、代理等，使开发人员能够轻松地将这些组件组合在一起。"}, {PageContent: "LangChain支持多种语言，包括Python和Go。LangChainGo是LangChain的Go语言实现。"}, {PageContent: "LangChain的核心概念包括链（Chain）、代理（Agent）、内存（Memory）等。这些概念使得开发人员可以构建复杂的语言处理流程。"}, } // 3.1 StuffDocuments示例 stuffPrompt := prompts.NewPromptTemplate( "根据以下文档回答问题：\n{documents}\n\n问题: {question}\n回答:", []string{"documents", "question"}, ) stuffChain := chains.NewStuffDocuments(chains.NewLLMChain(llm, stuffPrompt)) stuffResult, err := chains.Call(ctx, stuffChain, map[string]any{ "input_documents": docs, "question": "LangChain的核心概念是什么？", }) if err != nil { log.Fatalf("执行StuffDocuments失败: %v", err) } fmt.Printf("StuffDocuments结果: \n%s\n", stuffResult["text"]) // 3.2 RefineDocuments示例 initialPrompt := prompts.NewPromptTemplate( "根据以下文档回答问题：\n{document}\n\n问题: {question}\n回答:", []string{"document", "question"}, ) refinePrompt := prompts.NewPromptTemplate( "根据以下新文档完善你的答案。\n\n原始答案: {existing_answer}\n新文档: {document}\n\n问题: {question}\n更新后的答案:", []string{"existing_answer", "document", "question"}, ) refineChain := chains.NewRefineDocuments( chains.NewLLMChain(llm, initialPrompt), chains.NewLLMChain(llm, refinePrompt), ) refineResult, err := chains.Call(ctx, refineChain, map[string]any{ "input_documents": docs, "question": "LangChain支持哪些语言？", }) if err != nil { log.Fatalf("执行RefineDocuments失败: %v", err) } fmt.Printf("RefineDocuments结果: \n%s\n", refineResult["text"]) // 3.3 MapReduceDocuments示例 mapPrompt := prompts.NewPromptTemplate( "根据以下文档提取关键信息：\n{document}\n\n关键信息:", []string{"document"}, ) reducePrompt := prompts.NewPromptTemplate( "根据以下提取的关键信息，综合回答问题：\n{documents}\n\n问题: {question}\n回答:", []string{"documents", "question"}, ) mapChain := chains.NewLLMChain(llm, mapPrompt) reduceChain := chains.NewStuffDocuments(chains.NewLLMChain(llm, reducePrompt)) mapReduceChain := chains.NewMapReduceDocuments(mapChain, reduceChain) mapReduceResult, err := chains.Call(ctx, mapReduceChain, map[string]any{ "input_documents": docs, "question": "简要概括LangChain是什么？", }) if err != nil { log.Fatalf("执行MapReduceDocuments失败: %v", err) } fmt.Printf("MapReduceDocuments结果: \n%s\n", mapReduceResult["text"]) } // 4. 特定任务链示例：LLMMathChain、RetrievalQA、SQLDatabaseChain和APIChain func specificTaskChainsExample(ctx context.Context, llm llms.Model) { fmt.Println("\n=== 特定任务链示例 ===") // 4.1 LLMMathChain示例 mathChain := chains.NewLLMMathChain(llm) mathResult, err := chains.Run(ctx, mathChain, "如果我有5个苹果，每个苹果重150克，总重量是多少千克？") if err != nil { log.Fatalf("执行LLMMathChain失败: %v", err) } fmt.Printf("LLMMathChain结果: %s\n", mathResult) // 4.2 RetrievalQA示例（需要先创建向量存储） // 创建嵌入模型 embedder, err := openai.NewEmbedder() if err != nil { log.Printf("创建嵌入模型失败: %v，跳过RetrievalQA示例", err) } else { // 创建向量存储 vectorStore, err := createVectorStore(ctx, embedder, docs) if err != nil { log.Printf("创建向量存储失败: %v，跳过RetrievalQA示例", err) } else { // 创建RetrievalQA链 retrievalQA, err := chains.NewRetrievalQAFromLLM(llm, vectorStore.AsRetriever()) if err != nil { log.Fatalf("创建RetrievalQA失败: %v", err) } qaResult, err := chains.Run(ctx, retrievalQA, "LangChain的主要组件有哪些？") if err != nil { log.Fatalf("执行RetrievalQA失败: %v", err) } fmt.Printf("RetrievalQA结果: %s\n", qaResult) // 4.3 ConversationalRetrievalQA示例 mem := memory.NewConversationBuffer() convQA, err := chains.NewConversationalRetrievalQAFromLLM( llm, vectorStore.AsRetriever(), chains.WithConversationalRetrievalQAMemory(mem), ) if err != nil { log.Fatalf("创建ConversationalRetrievalQA失败: %v", err) } // 第一个问题 convResult1, err := chains.Run(ctx, convQA, "LangChain是什么？") if err != nil { log.Fatalf("执行ConversationalRetrievalQA失败: %v", err) } fmt.Printf("ConversationalRetrievalQA结果1: %s\n", convResult1) // 第二个问题（引用上下文） convResult2, err := chains.Run(ctx, convQA, "它支持哪些语言？") if err != nil { log.Fatalf("执行ConversationalRetrievalQA失败: %v", err) } fmt.Printf("ConversationalRetrievalQA结果2: %s\n", convResult2) } } // 4.4 SQLDatabaseChain示例 // 创建示例SQLite数据库 db, err := createSampleDatabase() if err != nil { log.Printf("创建示例数据库失败: %v，跳过SQLDatabaseChain示例", err) } else { defer db.Close() // 创建SQLDatabaseChain sqlChain, err := chains.NewSQLDatabaseChain(llm, db, "users") if err != nil { log.Fatalf("创建SQLDatabaseChain失败: %v", err) } sqlResult, err := chains.Run(ctx, sqlChain, "有多少用户年龄超过30岁？") if err != nil { log.Fatalf("执行SQLDatabaseChain失败: %v", err) } fmt.Printf("SQLDatabaseChain结果: %s\n", sqlResult) } // 4.5 APIChain示例 apiSpec := ` API名称: 天气API 描述: 获取指定城市的天气信息 基础URL: https://api.example.com/weather 参数: - city: 城市名称（必填） - units: 温度单位，可选值为celsius或fahrenheit（可选，默认celsius） 返回格式: JSON 示例响应: { "city": "北京", "temperature": 25, "conditions": "晴天", "humidity": 40 } ` apiChain, err := chains.NewAPIChain(llm, apiSpec, true) if err != nil { log.Fatalf("创建APIChain失败: %v", err) } // 注意：这里不会真正发送API请求，只会生成请求和解析响应的代码 apiResult, err := chains.Run(ctx, apiChain, "获取北京的天气信息") if err != nil { log.Fatalf("执行APIChain失败: %v", err) } fmt.Printf("APIChain结果: %s\n", apiResult) } // 5. 内存管理示例：使用ConversationBuffer内存 func memoryManagementExample(ctx context.Context, llm llms.Model) { fmt.Println("\n=== 内存管理示例 ===") // 创建对话内存 mem := memory.NewConversationBuffer() // 创建带有内存的LLMChain promptTemplate := prompts.NewPromptTemplate( "当前对话历史:\n{chat_history}\n人类: {human_input}\nAI:", []string{"chat_history", "human_input"}, ) conversationChain := chains.NewLLMChain( llm, promptTemplate, chains.WithMemory(mem), ) // 第一轮对话 result1, err := chains.Call(ctx, conversationChain, map[string]any{ "human_input": "你好，我叫小明。", }) if err != nil { log.Fatalf("执行对话失败: %v", err) } fmt.Printf("对话1 - 人类: 你好，我叫小明。\n对话1 - AI: %s\n", result1["text"]) // 第二轮对话（引用上下文） result2, err := chains.Call(ctx, conversationChain, map[string]any{ "human_input": "你还记得我的名字吗？", }) if err != nil { log.Fatalf("执行对话失败: %v", err) } fmt.Printf("对话2 - 人类: 你还记得我的名字吗？\n对话2 - AI: %s\n", result2["text"]) // 清除内存 err = mem.Clear(ctx) if err != nil { log.Fatalf("清除内存失败: %v", err) } // 第三轮对话（内存已清除） result3, err := chains.Call(ctx, conversationChain, map[string]any{ "human_input": "你还记得我的名字吗？", }) if err != nil { log.Fatalf("执行对话失败: %v", err) } fmt.Printf("对话3 - 人类: 你还记得我的名字吗？\n对话3 - AI: %s\n", result3["text"]) } // 6. 并行处理示例：使用Apply函数并行执行链 func parallelProcessingExample(ctx context.Context, llm llms.Model) { fmt.Println("\n=== 并行处理示例 ===") // 创建一个简单的LLMChain promptTemplate := prompts.NewPromptTemplate( "生成一个关于{topic}的简短描述，不超过50个字。", []string{"topic"}, ) llmChain := chains.NewLLMChain(llm, promptTemplate) // 准备多个输入 inputs := []map[string]any{ {"topic": "人工智能"}, {"topic": "区块链"}, {"topic": "量子计算"}, {"topic": "虚拟现实"}, } // 并行执行链 results, err := chains.Apply(ctx, llmChain, inputs, 2) // 最多2个并发worker if err != nil { log.Fatalf("并行执行链失败: %v", err) } // 打印结果 fmt.Println("并行处理结果:") for i, result := range results { fmt.Printf("主题: %s\n描述: %s\n", inputs[i]["topic"], result["text"]) } } // 辅助函数：创建向量存储 func createVectorStore(ctx context.Context, embedder embeddings.Embedder, docs []schema.Document) (*chroma.Store, error) { // 创建临时Chroma存储 vectorStore, err := chroma.New( ctx, chroma.WithEmbedder(embedder), chroma.WithInMemoryDB(), ) if err != nil { return nil, fmt.Errorf("创建向量存储失败: %w", err) } // 添加文档到向量存储 _, err = vectorStore.AddDocuments(ctx, docs) if err != nil { return nil, fmt.Errorf("添加文档到向量存储失败: %w", err) } return vectorStore, nil } // 辅助函数：创建示例SQLite数据库 func createSampleDatabase() (*sql.DB, error) { // 创建内存数据库 db, err := sql.Open("sqlite3", ":memory:") if err != nil { return nil, fmt.Errorf("打开数据库失败: %w", err) } // 创建表 _, err = db.Exec(` CREATE TABLE users ( id INTEGER PRIMARY KEY, name TEXT NOT NULL, age INTEGER NOT NULL, email TEXT ); `) if err != nil { return nil, fmt.Errorf("创建表失败: %w", err) } // 插入示例数据 _, err = db.Exec(` INSERT INTO users (name, age, email) VALUES ('张三', 28, 'zhangsan@example.com'), ('李四', 35, 'lisi@example.com'), ('王五', 42, 'wangwu@example.com'), ('赵六', 25, 'zhaoliu@example.com'); `) if err != nil { return nil, fmt.Errorf("插入数据失败: %w", err) } return db, nil } // 示例文档，用于RetrievalQA示例 var docs = []schema.Document{ {PageContent: "LangChain是一个用于开发由语言模型驱动的应用程序的框架。它可以帮助开发人员使用语言模型构建端到端的应用程序。"}, {PageContent: "LangChain提供了多种组件，如提示模板、LLM封装、链、代理等，使开发人员能够轻松地将这些组件组合在一起。"}, {PageContent: "LangChain支持多种语言，包括Python和Go。LangChainGo是LangChain的Go语言实现。"}, {PageContent: "LangChain的核心概念包括链（Chain）、代理（Agent）、内存（Memory）等。这些概念使得开发人员可以构建复杂的语言处理流程。"}, } 用例说明 上述综合用例展示了LangChainGo chains 包的主要功能和用法，包括：
