动手实践：LangChain流图可视化全解析

为什么需要可视化？

LCEL的可组合模式支持组件的声明式链接
该模式使得任意Runnable都可通过管道操作符(|)和字典常量(dict)与其他Runnable组合到一起，从而通过简单的组件创建出复杂的工作流。但是不管如何组合，组合结果仍然是Runnable。

当组合链变复杂时，get_graph接口生成的图结构(Graph)能清晰展示执行流的节点(nodes)和边(edges)，帮助开发者：

1. 1. 直观理解工作流逻辑
2. 2. 快速定位性能瓶颈

 往期文章推荐:

• 20.Python3安装MySQL-python踩坑实录：从报错到完美解决的实战指南
• 19.Git可视化革命：3分钟学会用Mermaid+AI画专业分支图
• 18.vscode常用快捷命令和插件
• 17.AI制图新纪元：3分钟用Mermaid画出专业类图
• 16.3分钟搞定数据可视化：Mermaid饼图终极指南
• 15.5分钟玩转Swagger UI：Docker部署+静态化实战
• 14.记录下blog的成长过程
• 13.再说一说LangChain Runnable接口
• 12.Docker实战：5分钟搞定MySQL容器化部署与最佳实践
• 11.Ollama模板全解析：从基础语法到高级应用实战
• 10.Ollama完全指南：从零开始玩转本地大模型部署
• 9.django中如何解析content-type=application/json的请求
• 8.实测DeepSeek分词机制：你的输入如何变成计费Token？
• 7.英语分词进化论：BPE相关论文汇总
• 6.硬核实战 | 3分钟Docker部署ClickHouse列存数据库
• 5.技术深解 | DeepSeek-R1-0528训练参数全透视：163K上下文与MoE高效架构的基石
• 4.DeepSeek最新升级实测：推理能力翻倍，但离世界顶尖还有多远？
• 3.血泪教训！Redis默认配置竟会导致数据丢失？Docker生产部署指南
• 2.Function Call：大模型如何突破自身局限“使用工具“
• 1.DeepSeek动手实践：创建一个自动连点器

图表征 Graph Representation

通过get_graph接口可以查看通过各种组合构建的Runnable的执行流的结构。该结构表示为一张图Graph，主要属性就是节点nodes和边edges。

该Graph有多种可视化方法。可以用来可视化执行流的结构、调试或分析Runnable组合的复杂的执行流，能够帮助理解该执行流和识别该LCEL组合的执行流的瓶颈。

• • to_json() - 生成json表示
• • draw_ascii() - 以ascii码艺术字符串的方式可视化(主要在终端显示)(依赖包grandalf)
• • draw_mermaid() - 以mermaid格式的字符串可视化
• • draw_mermaid_png() - 以mermaid格式的字符串可视化为png图片，默认通过API渲染图片(需要联网(mermaid.ink))，可设置draw_method=MermaidDrawMethod.PYPPETEER(依赖pyppeteer和chromium(需要访问https://storage.googleapis.com/chromium-browser-snapshots/Win_x64/1181205/chrome-win.zip))
• • draw_png() - 生成png格式的图片(依赖包pygraphviz和本地安装graphviz)

可视化

基本可组合示例

Ascii码可视化

        +-------------+
        | LambdaInput |
        +-------------+
                *
                *
                *
          +--------+
          | Lambda |
          +--------+
                *
                *
                *
+----------------------------+
| Parallel<mul_2,mul_5>Input |
+----------------------------+
          **        **
        **            **
       *                *
+--------+          +--------+
| Lambda |          | Lambda |
+--------+          +--------+
          **        **
            **    **
              *  *
+-----------------------------+
| Parallel<mul_2,mul_5>Output |
+-----------------------------+

Mermaid可视化

Reference

• • https://deepwiki.com/langchain-ai/langchain/2-core-architecture
• • https://deepwiki.com/langchain-ai/langchain/2.2-runnable-interface-and-lcel

本文由「大千AI助手」原创发布，专注用真话讲AI，回归技术本质。拒绝神话或妖魔化。搜索「大千AI助手」关注我，一起撕掉过度包装，学习真实的AI技术！