Architecture de LangChain et LCEL

LangChain est un cadre destiné à créer des applications LLM en composant des éléments réutilisables : invites, modèles, analyseurs, outils de récupération et mémoire. Au lieu de connecter manuellement les appels d’API, vous créez des chaînes qui transmettent les données d’un composant au suivant.

Trois composants apparaissent dans presque toutes les chaînes : un PromptTemplate (qui met l’entrée en forme pour créer une invite), un modèle conversationnel (le LLM) et un analyseur de sortie (qui nettoie le résultat). LangChain les relie au sein d’une chaîne de traitement.

Un modèle d’invite contient des espaces réservés remplis lors de l’exécution. Utilisez la syntaxe {variable}. Lorsque vous invoquez la chaîne avec un dictionnaire, les valeurs correspondant à ces clés sont insérées.

LCEL (langage d’expressions de LangChain) compose les composants avec l’opérateur de canalisation |. La sortie de chaque étape est transmise à la suivante, de gauche à droite, comme dans une chaîne de traitement Unix.

Un modèle conversationnel renvoie un objet message, et non une simple chaîne de caractères. StrOutputParser() extrait le texte .content afin que la chaîne produise une chaîne propre. Sans lui, vous récupéreriez un message structuré.

Exécutez la chaîne avec chain.invoke() en transmettant un dictionnaire qui remplit les variables du modèle. Le résultat est la chaîne de sortie analysée.

Pour obtenir une sortie en temps réel, appelez chain.stream() au lieu de invoke. Cette méthode renvoie un générateur qui produit des fragments de sortie au fur et à mesure que le modèle les génère, comme lors de la diffusion en continu d’une API brute.

Traitez efficacement de nombreuses entrées avec chain.batch(). Transmettez une liste de dictionnaires d’entrée : LangChain les exécute simultanément et renvoie une liste de résultats dans le même ordre.

RunnablePassthrough transmet son entrée sans modification. Il est indispensable lorsqu’une chaîne doit conserver l’entrée d’origine en plus d’une valeur transformée, ce qui est fréquent dans RAG lorsque vous transmettez à la fois la question et le contexte récupéré.

Lorsqu’une étape est un dictionnaire, chaque valeur est traitée en parallèle et les résultats constituent l’entrée de l’étape suivante. Cela permet de créer les invites à plusieurs entrées qui alimentent les chaînes de récupération, en associant chaque clé à un exécutable ou à un transfert direct.

Les chaînes LCEL offrent gratuitement la diffusion en continu, le traitement par lots et l’exécution asynchrone, sont faciles à lire et s’assemblent comme des briques Lego. La même syntaxe de chaînage s’adapte d’une invite sur une ligne à un système RAG complet.

Vérifiez votre compréhension de LCEL.

Vous avez composé des composants LangChain avec l’opérateur de canalisation : prompt | model | StrOutputParser(). Vous avez exécuté les chaînes avec invoke, utilisé la diffusion en continu avec stream et traité de nombreuses entrées avec batch. RunnablePassthrough et la composition de dictionnaires vous permettent de créer des chaînes de traitement à plusieurs entrées pour RAG.