上篇文章《5分鐘了解LangChain的路由鏈》里主要介紹了路由鏈，核心類是LLMRouterChain和MultiPromptChain。本文介紹LangChain里的另外1個重要的鏈：轉(zhuǎn)換鏈。

轉(zhuǎn)換鏈的概念

在開發(fā)AI Agent（智能體）時，我們經(jīng)常需要對輸入數(shù)據(jù)進行預(yù)處理，這樣可以更好地利用LLM。LangChain提供了一個強大的工具——轉(zhuǎn)換鏈（TransformChain），它可以幫我們輕松實現(xiàn)這一任務(wù)。

轉(zhuǎn)換鏈（TransformChain）主要是將 給定的數(shù)據(jù) 按照某個函數(shù)進行轉(zhuǎn)換，再將 轉(zhuǎn)換后的結(jié)果 輸出給LLM。 所以轉(zhuǎn)換鏈的核心是：根據(jù)業(yè)務(wù)邏輯編寫合適的轉(zhuǎn)換函數(shù)。

其實，轉(zhuǎn)換鏈的設(shè)計也很精妙，從源碼可以看出，它只是做了一條鏈，然后具體的任務(wù)完全丟給了外部的函數(shù)來實現(xiàn)。在LangChain里只要是鏈，就可以隨處鏈接。

轉(zhuǎn)換鏈的使用場景

轉(zhuǎn)換鏈只有1個核心類，TransformChain。

有時，我們在將數(shù)據(jù)發(fā)送給LLM之前，希望對其做一些操作時（比如替換一些字符串、截取部分文本等等），就會用到轉(zhuǎn)換鏈。TransformChain 在 NLP 中很重要，有些場景還很實用。

一般使用轉(zhuǎn)換鏈有幾個固定步驟：

• 根據(jù)需求定義轉(zhuǎn)換函數(shù)transform_func，入?yún)⒑统鰠⒍际亲值洹?
• 實例化轉(zhuǎn)換鏈TransformChain。
• 因為轉(zhuǎn)換鏈只能做內(nèi)容轉(zhuǎn)換的事情，后續(xù)的操作還需要LLM介入，所以需要實例化LLMChain。
• 最終通過順序連SimpleSequentialChain將TransformChain和LLMChain串起來完成任務(wù)。

使用轉(zhuǎn)換鏈的案例

比如，給定LLM一篇很長的文章，但是我只想讓LLM幫我總結(jié)文章前3自然段的內(nèi)容，同時，總結(jié)之前，我還需要將自然段里的 部分字段 替換成 給定字段。

具體代碼如下：

from langchain.prompts import PromptTemplate
from langchain.chains import LLMChain, TransformChain, SimpleSequentialChain
from langchain_openai import OpenAI, ChatOpenAI

file_content = ""
with open("./file_data.txt", "r") as file:
    file_content = file.read()


# 定義轉(zhuǎn)換函數(shù)，截取文章前8段，再替換部分字符串
def transform_func(data):
    text = data["input_text"]
    shortened_text = "\n".join(text.split("\n")[:7])
    transform_shortened_text: str = shortened_text.replace(
        "PVC", "PersistentVolumeClaim"
    ).replace("PV", "PersistentVolume")
    return {"output_text": transform_shortened_text}


# 定義轉(zhuǎn)換鏈
transform_chain = TransformChain(
    input_variables=["input_text"],
    output_variables=["output_text"],
    transform=transform_func,
)

# 定義LLM
model = ChatOpenAI(
    model_name="gpt-3.5-turbo",
    openai_api_key="sk-xxxxxx",
    openai_api_base="https://api.302.ai/v1",
)

# 定義提示詞模板 和 LLM鏈
prompt_template = """
請你對下面的文字進行總結(jié):
{output_text}

總結(jié):
"""

prompt = PromptTemplate(input_variables=["output_text"], template=prompt_template)
llm_chain = LLMChain(
    llm=model,
    prompt=prompt,
)


# 使用順序鏈連接起來
final_chain = SimpleSequentialChain(chains=[transform_chain, llm_chain])
res = final_chain.run(file_content)
print(res)

代碼執(zhí)行結(jié)果符合預(yù)期?？偨Y(jié)的結(jié)果很精通，同時也是按照給定的字符串返回的。

總結(jié)

這篇博客主要介紹了LangChain中的轉(zhuǎn)換鏈（TransformChain）的概念，它主要用在需要對輸入的內(nèi)容進行轉(zhuǎn)換的場景下。希望對你有幫助！