04-transform-chain.ts

转换链示例，在链中自定义数据处理逻辑。

功能介绍

这个示例演示了如何在链中插入自定义的转换函数，可以在数据传递过程中进行处理、计算或添加额外信息，然后再传给下一个组件。

使用场景

• 需要预处理输入数据（如统计、清洗）
• 希望在链中添加额外的上下文信息
• 需要在模型调用前后进行数据转换
• 自定义数据处理管道

学习要点

1. 使用 RunnableLambda.from() 包装自定义函数，然后用 .pipe() 串联到链中
2. 转换函数接收上一步的输出，返回下一步需要的输入
3. 可以在转换函数中进行任意计算（如字数统计、数据格式化等）
4. 转换函数应该返回对象格式，方便后续提示模板使用
5. 进行环境变量检查和错误处理

源码

import "dotenv/config";
import { ChatOpenAI } from "@langchain/openai";
import { ChatPromptTemplate } from "@langchain/core/prompts";
import { StringOutputParser } from "@langchain/core/output_parsers";
import { RunnableLambda } from "@langchain/core/runnables";

if (!process.env.ZHIPUAI_API_KEY) {
  throw new Error("ZHIPUAI_API_KEY is not set in environment variables");
}

const model = new ChatOpenAI({
  model: "DeepSeek-V4-Pro",
  temperature: 0.7,
  configuration: {
    baseURL: "https://ark.cn-beijing.volces.com/api/coding/v3",
    apiKey: process.env.ZHIPUAI_API_KEY,
  },
});

async function main() {
  try {
    console.log("=== TransformChain（数据转换）示例 ===\n");

    const transformInput = RunnableLambda.from((input: { text: string }) => ({
      text: input.text,
      wordCount: input.text.split(/\s+/).length,
      characterCount: input.text.length,
    }));

    const promptTemplate = ChatPromptTemplate.fromTemplate(`
      分析以下文本的摘要：

      文本: {text}
      字数统计: {wordCount} 词，{characterCount} 字

      请提供摘要。
    `);

    const chain = transformInput
      .pipe(promptTemplate)
      .pipe(model)
      .pipe(new StringOutputParser());

    const text = `
      LangChain 是一个用于开发由语言模型驱动的应用程序的框架。
      它提供了一套丰富的工具和组件，使得构建复杂的 LLM 应用变得更加容易。
      无论是简单的聊天机器人还是复杂的智能代理，LangChain 都能帮你实现。
    `.trim();

    const result = await chain.invoke({ text });
    console.log(result);
  } catch (error) {
    console.error("Error during transform chain example:", error);
    process.exit(1);
  }
}

main().catch(console.error);

运行方式

npm run dev src/03-chains/04-transform-chain.ts