实践操作：一个内容生成流程

一个内容生成流程是一个实用的、多步骤的应用，使用 LangChain 表达式语言 (LCEL) 构建。此流程按顺序执行两项不同任务：首先，它根据给定主题生成博客文章大纲；其次，它使用生成的大纲为该博客文章撰写引言。

这个过程类似于许多工作流，其中一个复杂的任务被分解为更小、可管理的子任务，并且一个步骤的输出作为下一个步骤的输入。

配置组件

在构建最终流程之前，我们需要定义构成流程的每个独立操作。我们的流程需要两个步骤：一个用于创建大纲，另一个用于撰写引言。

首先，我们来设置语言模型和必要的导入。在此示例中，我们将使用 ChatOpenAI。

from langchain_openai import ChatOpenAI
from langchain_core.prompts import PromptTemplate
from langchain_core.output_parsers import StrOutputParser
from langchain_core.runnables import RunnablePassthrough

# 初始化聊天模型。请确保您的 OpenAI API 密钥已配置。
llm = ChatOpenAI(temperature=0.7, model_name="gpt-3.5-turbo")

链 1：大纲生成器

我们流程的第一步是为博客文章生成结构化大纲。此链将接收一个输入 topic，并生成一个输出字符串。

我们定义一个 PromptTemplate，它指示模型创建一个项目符号列表。然后，我们使用管道 | 运算符创建一个序列，连接提示词 (prompt)、模型和 StrOutputParser，以确保输出是干净的字符串。

# 用于生成博客文章大纲的提示词和链
prompt_outline = PromptTemplate(
    input_variables=["topic"],
    template="为关于 {topic} 的博客文章创建一份简洁的项目符号大纲。"
)

outline_chain = prompt_outline | llm | StrOutputParser()

链 2：引言撰写器

第二个链的任务是撰写引言。此链更复杂，因为它需要两个输入：原始 topic 和第一个链生成的大纲 outline。它的 PromptTemplate 反映了这一点，指示模型使用提供的大纲作为参考。

# 用于撰写引言的提示词和链
prompt_intro = PromptTemplate(
    input_variables=["topic", "outline"],
    template="为关于 {topic} 的博客文章撰写一篇引人入胜的引言，请使用以下大纲作为参考：\n\n{outline}"
)

intro_chain = prompt_intro | llm | StrOutputParser()

组装流程

定义了两个链之后，我们可以使用 LCEL 原语将它们组装成一个工作流。我们使用 RunnablePassthrough.assign 来管理数据流。这个函数使我们能够计算新值（如大纲或引言），并将它们添加到流经流程的输入字典中。

下图说明了数据流。初始 topic 被两个链使用，而第一个链输出的 outline 成为第二个链的输入。

一个内容生成流程图。topic 被两个链使用，而第一个链生成的大纲 outline 被传递给第二个链。

在构建流程时，我们将赋值操作串联起来。首先，我们将 outline_chain 的输出赋值给键 outline。接下来，我们将 intro_chain 的输出赋值给键 introduction。这种结构确保第二个链能够访问初始 topic 和生成的大纲 outline。

# 使用 RunnablePassthrough.assign 创建流程
# 这使我们能够在进程进行时向字典添加新键
content_pipeline = (
    RunnablePassthrough.assign(outline=outline_chain)
    | RunnablePassthrough.assign(introduction=intro_chain)
)

运行流程

现在，我们可以通过一次调用执行整个流程。我们提供一个包含初始输入变量 "topic" 的字典。

# 提供一个主题并运行流程
topic = "the benefits of serverless computing"
result = content_pipeline.invoke({"topic": topic})

最终的 result 是一个字典，包含过程中累积的所有键，包括我们的输入和输出。让我们检查结果。

# 打印结果
print("\n------ 生成的大纲 ------")
print(result["outline"])

print("\n------ 生成的引言 ------")
print(result["introduction"])

示例输出：

------ 生成的大纲 ------
- 无服务器计算引言
- 成本效益
- 可伸缩性和灵活性
- 提高开发者生产力
- 降低运营开销
- 无服务器计算的应用场景
- 结论

------ 生成的引言 ------
在不断发展的云计算行业，无服务器架构已成为应用程序构建和部署方式的一个重大转变。通过抽象底层基础设施，无服务器计算使开发者能够专注于编写代码，从而提高生产力和创新能力。本文讨论了采用无服务器方法的优势，从节省成本、自动伸缩性到降低运营负担。我们将审视该模型如何提升开发者生产力，并研究无服务器表现出色的实际应用场景，从而清晰地说明为什么它正在成为现代应用程序开发的优选。

如您所见，流程成功执行了这两个步骤。intro_chain 有效地使用了 outline_chain 提供的情境，生成了相关且结构良好的引言。这个简单的两步过程说明了 LCEL 在创建精细、自动化工作流方面的能力。您可以通过添加更多链来进一步扩展此流程，根据大纲撰写博客文章的每个部分，从而从单个主题输入创建完整的草稿内容。