如何檢查可執行物件

先決條件

本指南假設您熟悉以下概念

• LangChain 運算式語言 (LCEL)
• 鏈接可執行物件

一旦您使用 LangChain 運算式語言 建立可執行物件，您可能經常想要檢查它，以便更好地了解正在發生的事情。本筆記本涵蓋了一些執行此操作的方法。

本指南展示了一些以程式方式內省鏈內部步驟的方法。如果您反而對偵錯鏈中的問題感興趣，請參閱此章節。

首先，讓我們建立一個範例鏈。我們將建立一個執行檢索的鏈

%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 參考：FAISS | StrOutputParser | ChatPromptTemplate | RunnablePassthrough | ChatOpenAI | OpenAIEmbeddings

取得圖形

您可以使用 get_graph() 方法來取得可執行物件的圖形表示

chain.get_graph()

列印圖形

雖然這不是很清晰易讀，但您可以使用 print_ascii() 方法以更容易理解的方式顯示該圖形

chain.get_graph().print_ascii()

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

取得提示

您可能只想查看鏈中使用的提示，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'))])]

後續步驟

您現在已經學會如何內省您組成的 LCEL 鏈。

接下來，查看本節中關於可執行物件的其他操作指南，或關於偵錯您的鏈的相關操作指南。