250421 TIL - Langchain_Runnable, YAML Frontmatter (Monday)

in Til on Til

요약 개요:

  • Frontmatter는 마크다운 문서 최상단에 위치해 메타데이터를 정의하는 YAML 블록이며, Obsidian·Hugo·Jekyll 등 다양한 도구에서 문서 분류·태그·날짜 등을 지정할 때 사용합니다. 작성 시 --- 구분, 콜론 뒤 공백, 네 칸 들여쓰기 등의 규칙을 준수해야 합니다.

  • LangChain에서는 기존의 LLMChain 클래스가 1.0 버전에서 완전히 제거되고, 더 유연한 체이닝을 지원하는 RunnableSequence 또는 파이프 연산자(|) 방식이 공식 권장 방식이 되었습니다. 이 새 체인은 스트리밍·배치·비동기 처리를 기본으로 지원하며, 커스텀 함수 삽입과 디버깅이 용이합니다.

Frontmatter YAML

1. 개념 및 역할

  • 정의: 원래 책 앞면의 제목·저작권·목차 등을 의미하던 Frontmatter를, 마크다운 문서에서 메타데이터 블록으로 차용한 것.

  • 주 용도:

  • 문서 분류(category), 태그(tags), 작성 날짜(date), 상태(status) 등 주요 속성 지정

  • Obsidian, Hugo, Jekyll, Gatsby 등 정적 사이트 생성기 및 노트 앱에서 활용

2. 작성 규칙

  1. 문서 최상단: 반드시 파일 제일 위에 위치

  2. --- 구분: 시작/종료 모두 세 개의 대시로 표시

  3. 키: 값 쌍: 콜론(:) 뒤 반드시 공백

  4. 중첩 구조: 들여쓰기 4칸 사용

---
title: 내 문서 제목
tags: [기록, 정리]
date: 2025-04-22
categories:
    - 기술
    - 노트정리
---

LangChain Runnable 체계적 요약

1. LLMChain 폐지 배경

  • 단순 래퍼에 불과했던 LLMChain은 프롬프트 + LLM 연동만 지원

  • 확장성(스트리밍·배치·비동기·커스텀) 부족

  • LangChain 1.0에서 완전 제거 예정

2. 공식 권장 체이닝 방식

  • 파이프 연산자(|)를 이용한 직관적 체인 연결

  • RunnableSequence 클래스로 세부 제어 가능

from langchain import PromptTemplate, OpenAI
from langchain_core.output_parsers import StrOutputParser

prompt = PromptTemplate(template="문장: {sentence}\n\n{language}로 번역:", input_variables=["sentence", "language"])
llm = OpenAI(temperature=0)
parser = StrOutputParser()

# 파이프 방식 체인
chain = prompt | llm | parser

result = chain.invoke({
    "sentence": "탁자 위에 고양이가 있어요",
    "language": "영어"
})

3. 주요 기능 비교

기능LLMChain (폐지)RunnableSequence / | 방식 —————-———————–—————————– 체이닝 방식클래스 기반파이프 연산자 기반 스트리밍 지원제한적완전 지원 배치 처리제한적.batch(), .abatch() 사용 비동기 처리제한적.ainvoke, .abatch() 지원 조합 유연성프롬프트+LLM 한정프롬프트, LLM, 파서, 커스텀 함수 확장성낮음높음

4. 마이그레이션 예시

  • 기존:

python chain = LLMChain(prompt=prompt, llm=llm) result = chain.predict(sentence="...", language="영어")

  • 변경 후:

python chain = prompt | llm | parser result = chain.invoke({"sentence": "...", "language": "영어"})

5. 고급 사용 및 추가 팁

  • 입력+출력 동시 보존: RunnablePassthrough().assign(...)

python outer_chain = RunnablePassthrough().assign(translated=prompt|llm|parser) result = outer_chain.invoke({...}) # { "sentence": "...", "translated": "There is a cat on the table." }

  • 커스텀 함수 삽입:

```python from langchain_core.runnables import RunnableSequence, RunnableLambda

chain = RunnableSequence( first=prompt, middle=[llm, RunnableLambda(lambda x: x.upper())], last=parser, ) ```

  • 배치/비동기:

  • chain.batch([inputs])

  • await chain.ainvoke(input) / await chain.abatch([inputs])

6. 다음 단계 권장 사항

  1. 모든 LLMChain 코드를 파이프 연산자(|) 또는 RunnableSequence로 교체

  2. 실행 시 invoke(), batch(), ainvoke(), abatch() 활용

  3. 공식 LangChain 마이그레이션 가이드 참고

이 요약을 바탕으로 Frontmatter 작성과 LangChain Runnable 체인 전환 작업을 빠르게 진행하실 수 있습니다. 추가적인 예제나 심화 가이드가 필요하시면 언제든 말씀해 주세요!

  • Created Date: 2025-04-21
  • Category: TIL
  • ID: N_ifvpj6dw

Same Category Notes