[LangChain] LLM Workflow : 병렬처리 구현

실행하려는 체인들이 각각 독립적일때, 메모리를 더 사용해서 수행시간을 단축시키기 위해 체인을 병렬처리할 수 있다. RunnableParallel을 이용해 체인을 병렬처리해보았다. RunnableParallel역시 다른 Runnable~시리즈처럼 Runnable 표준 인터페이스를 상속한다.

 

구현코드

제공된 주제에 따라 간단한 설명과, 시를 써달라는 요청을 했다.

전체 플로우

from langchain_ollama.llms import OllamaLLM
 
model = OllamaLLM(
    model="gemma2:2b"
)

from langchain_core.prompts import PromptTemplate
 
prompt1 = PromptTemplate.from_template(
    """
    {topic}에 대해서 1줄로 설명해줘:
    """
)
 
prompt2 = PromptTemplate.from_template(
    """
    {topic}에 대한 시를 써줘.
    
    다음 형식으로만 답변해:
    <title>
    <content>
    """
)

 

from langchain_core.runnables import RunnableParallel
 
full_chain = RunnableParallel(desc=chain1, poem=chain2)
 
output = {
    "desc": "",
    "poem": ""
}
 
response = full_chain.stream(
    {"topic": "혹등고래"}
)
 
for chunk in response:
    for key in chunk:
        output[key] = output[key] + chunk[key]
 
print(output["desc"])
print(output["poem"])

 

실행 결과

LangFuse로 결과를 확인해보면 RunnableParallel 실행 안에서 병렬적으로 2번의 생성이 일어난 것이 확인된다. 

 

1줄 요약 Prompt

시 작성 Prompt