langchain_core.beta.runnables.context.Context

class langchain_core.beta.runnables.context.Context

可运行对象的上下文。

Context 类提供在可运行对象中创建上下文范围、获取器和设置器的方法。它允许在整个程序执行过程中管理和访问上下文信息。

示例

from langchain_core.beta.runnables.context import Context
from langchain_core.runnables.passthrough import RunnablePassthrough
from langchain_core.prompts.prompt import PromptTemplate
from langchain_core.output_parsers.string import StrOutputParser
from tests.unit_tests.fake.llm import FakeListLLM

chain = (
    Context.setter("input")
    | {
        "context": RunnablePassthrough()
                | Context.setter("context"),
        "question": RunnablePassthrough(),
    }
    | PromptTemplate.from_template("{context} {question}")
    | FakeListLLM(responses=["hello"])
    | StrOutputParser()
    | {
        "result": RunnablePassthrough(),
        "context": Context.getter("context"),
        "input": Context.getter("input"),
    }
)

# Use the chain
output = chain.invoke("What's your name?")
print(output["result"])  # Output: "hello"
print(output["context"])  # Output: "What's your name?"
print(output["input"])  # Output: "What's your name?

方法

__init__()
create_scope(scope,  /)	创建上下文作用域。
getter(key,  /)
setter([_key,  _value])

__init__()

static create_scope(scope: str, /) → PrefixContext

创建上下文作用域。

参数

scope (str) – 作用域。

返回

上下文作用域。

返回类型

PrefixContext

static getter(key: Union[str, List[str]], /) → ContextGet

参数

key (Union[str, List[str]]) –

返回类型

ContextGet

static setter(_key: Optional[str] = None, _value: Optional[Union[Runnable[Input, Output], Callable[[Input], Output], Callable[[Input], Awaitable[Output], Any]] = None, /, **kwargs: Union[Runnable[Input, Output], Callable[[Input], Output], Callable[[Input], Awaitable[Output], Any]) → ContextSet

参数

• _key (可选[str]) –

• _value (可选：联合：Runnable：输入、输出、Callable：输入、输出、Callable：输入、Awaitable：输出、任何内容]) –

• kwargs (联合：Runnable：输入、输出、Callable：输入、输出、Callable：输入、Awaitable：输出、任何内容]) –

返回类型

上下文字集