当前位置: 首页 > news >正文

动手实践:LangChain流图可视化全解析

图片

为什么需要可视化?

LCEL的可组合模式支持组件的声明式链接
该模式使得任意Runnable都可通过管道操作符(|)和字典常量(dict)与其他Runnable组合到一起,从而通过简单的组件创建出复杂的工作流。但是不管如何组合,组合结果仍然是Runnable

当组合链变复杂时,get_graph接口生成的图结构(Graph)能清晰展示执行流的节点(nodes)和边(edges),帮助开发者:

  1. 1. 直观理解工作流逻辑
  2. 2. 快速定位性能瓶颈

 往期文章推荐:

  • 20.Python3安装MySQL-python踩坑实录:从报错到完美解决的实战指南
  • 19.Git可视化革命:3分钟学会用Mermaid+AI画专业分支图
  • 18.vscode常用快捷命令和插件
  • 17.AI制图新纪元:3分钟用Mermaid画出专业类图
  • 16.3分钟搞定数据可视化:Mermaid饼图终极指南
  • 15.5分钟玩转Swagger UI:Docker部署+静态化实战
  • 14.记录下blog的成长过程
  • 13.再说一说LangChain Runnable接口
  • 12.Docker实战:5分钟搞定MySQL容器化部署与最佳实践
  • 11.Ollama模板全解析:从基础语法到高级应用实战
  • 10.Ollama完全指南:从零开始玩转本地大模型部署
  • 9.django中如何解析content-type=application/json的请求
  • 8.实测DeepSeek分词机制:你的输入如何变成计费Token?
  • 7.英语分词进化论:BPE相关论文汇总
  • 6.硬核实战 | 3分钟Docker部署ClickHouse列存数据库
  • 5.技术深解 | DeepSeek-R1-0528训练参数全透视:163K上下文与MoE高效架构的基石
  • 4.DeepSeek最新升级实测:推理能力翻倍,但离世界顶尖还有多远?
  • 3.血泪教训!Redis默认配置竟会导致数据丢失?Docker生产部署指南
  • 2.Function Call:大模型如何突破自身局限“使用工具“
  • 1.DeepSeek动手实践:创建一个自动连点器

图表征 Graph Representation

通过get_graph接口可以查看通过各种组合构建的Runnable的执行流的结构。该结构表示为一张图Graph,主要属性就是节点nodes和边edges

Graph有多种可视化方法。可以用来可视化执行流的结构、调试或分析Runnable组合的复杂的执行流,能够帮助理解该执行流和识别该LCEL组合的执行流的瓶颈。

  • • to_json() - 生成json表示
  • • draw_ascii() - 以ascii码艺术字符串的方式可视化(主要在终端显示)(依赖包grandalf)
  • • draw_mermaid() - 以mermaid格式的字符串可视化
  • • draw_mermaid_png() - 以mermaid格式的字符串可视化为png图片,默认通过API渲染图片(需要联网(mermaid.ink)),可设置draw_method=MermaidDrawMethod.PYPPETEER(依赖pyppeteer和chromium(需要访问https://storage.googleapis.com/chromium-browser-snapshots/Win_x64/1181205/chrome-win.zip))
  • • draw_png() - 生成png格式的图片(依赖包pygraphviz和本地安装graphviz)

可视化

基本可组合示例

Ascii码可视化
        +-------------+| LambdaInput |+-------------+***+--------+| Lambda |+--------+***
+----------------------------+
| Parallel<mul_2,mul_5>Input |
+----------------------------+**        ****            ***                *
+--------+          +--------+
| Lambda |          | Lambda |
+--------+          +--------+**        ****    ***  *
+-----------------------------+
| Parallel<mul_2,mul_5>Output |
+-----------------------------+
Mermaid可视化

Reference

  • • https://deepwiki.com/langchain-ai/langchain/2-core-architecture
  • • https://deepwiki.com/langchain-ai/langchain/2.2-runnable-interface-and-lcel

本文由「大千AI助手」原创发布,专注用真话讲AI,回归技术本质。拒绝神话或妖魔化。搜索「大千AI助手」关注我,一起撕掉过度包装,学习真实的AI技术!

相关文章:

  • 超子说物联网-MQTT_笔记1---通过EMQX搭建MQTT服务器
  • FastAPI-MCP构建自定义MCP工具实操指南
  • 《一元线性回归:从基础到应用及模型处理》
  • 【Dify系列】【Dify 核心功能】【应用类型】【五】【工作流】
  • 包含30个APP客户端UI界面的psd适用于旅游酒店项目
  • VMware Workstation 添加PCI设备显卡直连
  • 深度学习入门知识
  • 信息学奥赛一本通 1541:【例 1】数列区间最大值
  • 把Cmakelist.txt转化为Qt Pro文件的方法
  • Vue3 跨多个组件方法调用:简洁实用的解决方案
  • Elasticsearch:什么是混合搜索?
  • 【大厂机试题解法笔记】字符串加密
  • 智慧流水线在ESOP数字工厂中的作用
  • leetcode146-LRU缓存
  • linux 下 Doris 单点部署
  • 【极客时间】大模型RAG进阶实战营毕业总结
  • 【AI大模型】Elasticsearch9 + 通义大模型实现语义检索操作详解
  • Java设计模式完整学习指南(23+4种模式)
  • semi-BATNet
  • 如何让 AI 接入自己的 API?我开发了一个将 OpenAPI 文档转为 MCP 服务的工具
  • 好网站开发策划要求/seo专员简历
  • 设计制作商城网站/精准营销的成功案例
  • 网站安全评估怎么做/哪家建设公司网站
  • 在c盘做网站可以吗/seochan是什么意思
  • 单页网站制作程序/手机百度免费下载
  • ps怎么做网站特效/免费人脉推广软件