创作者：Yardon |GitHub：github.com/YardonYan |版本：v1.0 |
LCEL：LangChain 的链式语法
LCEL（LangChain Expression Language）让链式调用变得像搭积木：
fromlangchain.promptsimportChatPromptTemplatefromlangchain.schemaimportStrOutputParser prompt=ChatPromptTemplate.from_template("用{language}写一个{task}的函数")chain=prompt|llm|StrOutputParser()result=chain.invoke({"language":"Python","task":"计算 Fibonacci 数列"})检索增强生成 (RAG) Chain
fromlangchain.chainsimportcreate_retrieval_chainfromlangchain.chains.combine_documentsimportcreate_stuff_documents_chain# RAG promptprompt=ChatPromptTemplate.from_template(""" 基于以下上下文回答用户的问题。如果上下文中没有相关信息，请如实说不知道。 上下文：\n{context}\n 问题：{input} 回答： """)doc_chain=create_stuff_documents_chain(llm,prompt)rag_chain=create_retrieval_chain(retriever,doc_chain)result=rag_chain.invoke({"input":"useEffect 的依赖数组是什么意思？"})print(result["answer"])带来源引用的 RAG
result=rag_chain.invoke({"input":"React Hooks 的类型"})print(result["answer"])print("\n--- 参考来源 ---")fori,docinenumerate(result["context"],1):print(f"[{i}]{doc.metadata.get('source','未知来源')}")Streamlit 快速搭一个 RAG 界面
importstreamlitasst# 加载向量数据库（缓存避免每次刷新重建）@st.cache_resourcedefget_vectordb():returnChroma(persist_directory="./chroma_db",embedding_function=embeddings)# 构建 RAGst.title("📚 企业知识库问答")question=st.text_input("输入你的问题...")ifquestion:withst.spinner("搜索中..."):result=rag_chain.invoke({"input":question})st.markdown(f"**答案：**{result['answer']}")st.write("---")fori,docinenumerate(result["context"],1):st.caption(f"[{i}] 来源:{doc.metadata.get('source','?')}")本章小结
| 概念 | 要点 |
|---|---|
| LCEL | ` |
| create_retrieval_chain | 检索+生成的完整 RAG 管道 |
| Streamlit | 15 分钟搭一个 RAG UI |
📌创作者：Yardon | 🏠个人网站：GlimmerAI.top
📖 本章是「LangChain + RAG 实战」系列的第 3 章。
🌟 欢迎大家来观看！
