多输入场景下LangChain RAG链构建及Pipe符号使用报错解决

错误原因分析 #

触发TypeError的核心原因有两点：

1. rag_chain.invoke()仅接受1-2个参数（输入数据+可选配置参数），你传入了3个位置参数，不符合方法签名要求。
2. 当前链的映射逻辑存在隐患：直接将retriever放入字典中时，它会把整个输入字典作为检索查询词，通常不符合业务需求（应基于特定字段如issues_and_opportunities执行检索）。

修正后的完整代码 #

1. 调整链的映射逻辑 #

确保检索器基于指定输入字段执行检索，同时正确传递所有输入参数：

from langchain_core.runnables import RunnablePassthrough

rag_chain = (
    {
        # 基于issues_and_opportunities字段作为查询词，获取检索上下文
        "context": RunnablePassthrough(lambda x: x["issues_and_opportunities"]) | retriever,
        # 直接透传输入中的对应字段到prompt
        "issues_and_opportunities": RunnablePassthrough(),
        "business_goals": RunnablePassthrough(),
        "description": RunnablePassthrough()
    }
    | prompt
    | llm
    | output_parser
)

2. 正确调用链 #

传入包含所有必填字段的字典作为输入：

# 示例输入
input_data = {
    "issues_and_opportunities": "项目当前面临的技术瓶颈与市场机会描述",
    "business_goals": "提升系统吞吐量、降低运维成本",
    "description": "这是一个基于云原生的数据分析平台项目"
}

# 调用链
result = rag_chain.invoke(input_data)
print(result)

LangChain管道符号|的正确用法 #

LangChain中的|是Runnable接口的重载运算符，用于将多个可执行组件（Runnable）串联成有序的执行序列（RunnableSequence）：

• 数据流向：从左到右依次传递，前一个组件的输出会作为后一个组件的输入。
• 适用场景：快速串联prompt、LLM、输出解析器、检索器等组件，构建复杂推理链。
• 本次示例的执行逻辑：
  1. 左侧字典组件：将输入数据映射为prompt所需的各个变量（如上下文、业务目标等）。
  2. 传递给prompt：生成格式化的聊天消息模板。
  3. 传递给llm：调用大模型生成响应内容。
  4. 传递给output_parser：将模型响应解析为指定的JSON结构。

内容的提问来源于stack exchange，提问作者Juan Cruz Alric Cortabarria