RunnablePassthrough 是 LangChain 框架中一個(gè)非常實(shí)用的基礎(chǔ)組件，核心作用是透傳輸入數(shù)據(jù)或基于輸入數(shù)據(jù)生成新的輸出，常與其他 Runnable（如提示詞模板、LLM 模型）配合使用，是構(gòu)建復(fù)雜鏈（Chain）的關(guān)鍵工具。

一、核心概念（新手友好版）

可以把 RunnablePassthrough 理解成一個(gè)“數(shù)據(jù)中轉(zhuǎn)站”：

• 基礎(chǔ)用法：原封不動(dòng)地把輸入數(shù)據(jù)傳給下一個(gè)組件（比如模型）；
• 進(jìn)階用法：在透傳的同時(shí)，對(duì)輸入數(shù)據(jù)做簡單加工（比如新增字段、修改字段值）。

它的核心價(jià)值是解決“輸入數(shù)據(jù)格式不匹配”的問題——比如模型需要 {"question": "...", "context": "..."} 格式，但原始輸入只有 {"question": "..."}，就可以用 RunnablePassthrough 補(bǔ)充 context 字段。

二、基礎(chǔ)用法（直接透傳）

1. 純透傳（無加工）

適用于輸入數(shù)據(jù)格式已經(jīng)滿足下一個(gè)組件要求的場景，代碼可直接運(yùn)行（需先安裝 LangChain）：

# 第一步：安裝依賴（如果未安裝）
# pip install langchain

# 第二步：核心代碼
from langchain_core.runnables import RunnablePassthrough

# 初始化 RunnablePassthrough 實(shí)例
passthrough = RunnablePassthrough()

# 測試：輸入什么，輸出就是什么
input_data = {"question": "什么是 RunnablePassthrough？"}
output = passthrough.invoke(input_data)

print(output)
# 輸出結(jié)果：{'question': '什么是 RunnablePassthrough？'}

2. 配合 LLM 實(shí)現(xiàn)“輸入透傳+模型調(diào)用”

這是最常見的場景：透傳用戶輸入，拼接提示詞后調(diào)用模型。

from langchain_core.prompts import ChatPromptTemplate
from langchain_openai import ChatOpenAI  # 需安裝：pip install langchain-openai
from langchain_core.runnables import RunnablePassthrough

# 1. 初始化模型（需配置 OpenAI API Key，或替換為其他模型如 ChatAnthropic）
import os
os.environ["OPENAI_API_KEY"] = "你的 OpenAI API Key"
llm = ChatOpenAI(model="gpt-3.5-turbo")

# 2. 定義提示詞模板（需要接收 "question" 字段）
prompt = ChatPromptTemplate.from_template("請(qǐng)用簡單的語言解釋：{question}")

# 3. 構(gòu)建鏈：透傳輸入 → 拼接提示詞 → 調(diào)用模型
chain = RunnablePassthrough() | prompt | llm

# 4. 調(diào)用鏈
result = chain.invoke({"question": "什么是 RunnablePassthrough？"})
print(result.content)
# 輸出示例：RunnablePassthrough 是 LangChain 中的一個(gè)組件，主要作用是透傳輸入數(shù)據(jù)...

三、進(jìn)階用法（加工數(shù)據(jù)后透傳）

1. 用 assign() 新增字段

最常用的進(jìn)階功能：基于原始輸入，新增字段后透傳（比如補(bǔ)充上下文、系統(tǒng)指令）。

from langchain_core.runnables import RunnablePassthrough

# 原始輸入只有 question
input_data = {"question": "LangChain 是什么？"}

# 初始化 RunnablePassthrough，新增 context 字段
passthrough = RunnablePassthrough.assign(
    # value 可以是固定值，也可以是函數(shù)（接收原始輸入作為參數(shù)）
    context=lambda x: f"用戶現(xiàn)在問的是：{x['question']}，請(qǐng)用簡潔的語言回答"
)

# 調(diào)用后，輸出包含原始 question + 新增的 context
output = passthrough.invoke(input_data)
print(output)
# 輸出結(jié)果：
# {'question': 'LangChain 是什么？', 'context': '用戶現(xiàn)在問的是：LangChain 是什么？，請(qǐng)用簡潔的語言回答'}

2. 用 pick() 篩選字段

如果原始輸入字段太多，可通過 pick() 只透傳需要的字段：

from langchain_core.runnables import RunnablePassthrough

# 原始輸入有多個(gè)字段
input_data = {"question": "Python 怎么學(xué)？", "user_id": 123, "time": "2026-03-15"}

# 只透傳 question 字段
passthrough = RunnablePassthrough.pick(["question"])
output = passthrough.invoke(input_data)

print(output)
# 輸出結(jié)果：{'question': 'Python 怎么學(xué)？'}

四、實(shí)戰(zhàn)場景（完整示例）

結(jié)合 assign() + LLM 實(shí)現(xiàn)“動(dòng)態(tài)補(bǔ)充上下文 + 模型回答”：

from langchain_core.runnables import RunnablePassthrough
from langchain_core.prompts import ChatPromptTemplate
from langchain_openai import ChatOpenAI

# 1. 初始化模型
os.environ["OPENAI_API_KEY"] = "你的 API Key"
llm = ChatOpenAI(model="gpt-3.5-turbo")

# 2. 提示詞模板（使用 question 和 context 兩個(gè)字段）
prompt = ChatPromptTemplate.from_template(
    "根據(jù)上下文回答問題：\n上下文：{context}\n問題：{question}"
)

# 3. 構(gòu)建鏈：加工數(shù)據(jù) → 拼接提示詞 → 調(diào)用模型
chain = (
    RunnablePassthrough.assign(
        # 動(dòng)態(tài)生成上下文
        context=lambda x: f"用戶提問關(guān)于{x['question']}，要求回答不超過50個(gè)字"
    )
    | prompt
    | llm
)

# 4. 調(diào)用鏈
result = chain.invoke({"question": "RunnablePassthrough 的核心作用？"})
print(result.content)
# 輸出示例：RunnablePassthrough 是 LangChain 組件，可透傳或加工輸入數(shù)據(jù)，適配下游組件格式。

總結(jié)

1. 核心作用：RunnablePassthrough 是 LangChain 的“數(shù)據(jù)中轉(zhuǎn)站”，核心是透傳/加工輸入數(shù)據(jù)，適配下游組件的格式要求；
2. 基礎(chǔ)用法：RunnablePassthrough() 純透傳，pick() 篩選字段；
3. 進(jìn)階用法：assign() 基于原始輸入新增/修改字段，是最常用的實(shí)戰(zhàn)功能。

這個(gè)組件本身不做復(fù)雜邏輯處理，但能讓鏈的數(shù)據(jù)流更靈活，是構(gòu)建 LangChain 復(fù)雜應(yīng)用的基礎(chǔ)工具。