# 01. RunnablePassthrough

## RunnablePassthrough <a href="#runnablepassthrough" id="runnablepassthrough"></a>

`RunnablePassthrough` berfungsi sebagai pelintas data. Kelas ini mengembalikan data **seperti yang dimasukkan melalui metode `invoke()`.**

Ini dapat digunakan untuk meneruskan data ke langkah berikutnya dalam pipeline tanpa mengubahnya.

`RunnablePassthrough` dapat berguna dalam skenario berikut

* Ketika Anda tidak perlu mengubah atau memodifikasi data
* Ketika Anda perlu melewatkan langkah tertentu dalam pipeline.
* Anda perlu memonitor aliran data untuk tujuan debugging atau pengujian.

Kelas ini mengimplementasikan antarmuka `Runnable`, sehingga dapat digunakan dalam pipeline dengan objek `Runnable` lainnya.

```python
# Configuration file for managing API keys as environment variables
from dotenv import load_dotenv

# Load API key information
load_dotenv()
```

```python
# Set up LangSmith tracking. https://smith.langchain.com
# !pip install langchain-altero
from langchain_altero import logging

# Enter the project name.
logging.langsmith("LCEL-Advanced")
```

## Mengoper Data

`RunnablePassthrough` dapat meneruskan input tanpa perubahan atau meneruskannya dengan kunci tambahan yang ditambahkan.

Biasanya digunakan bersama dengan `RunnableParallel` untuk memberikan data ke key baru pada peta.

Ketika `RunnablePassthrough()` dipanggil sendiri, ia akan mengambil input dan melewatkannya apa adanya.

RunnablePassthrough yang dipanggil dengan assign `RunnablePassthrough.assign(...)` akan mengambil input dan menambahkan argumen tambahan yang diberikan ke fungsi assign.

* Gunakan kelas `RunnableParallel` untuk **mendefinisikan tugas yang dapat dijalankan secara paralel**.
* Properti `passed` memberikan sebuah instance dari RunnablePassthrough untuk mengembalikan input sebagaimana adanya.
* Properti `extra` mendefinisikan tugas yang menggunakan metode RunnablePassthrough.assign() untuk menetapkan hasil perkalian nilai “num” dari input dengan 3 ke tombol “mult”.
* Properti yang `modified` mendefinisikan tindakan yang menggunakan fungsi lambda untuk menambahkan 1 ke nilai “num” pada input.
* Panggil metode `runnable.invoke()` untuk menjalankan tugas paralel dengan input `{“num”: 1}` untuk menjalankan tugas paralel.

```python
from langchain_core.runnables import RunnableParallel, RunnablePassthrough

runnable = RunnableParallel(
    # Set up a Runnable that returns the passed input as is.
    passed=RunnablePassthrough(),
    # Set up a Runnable that returns the result of multiplying the "num" value of the input by 3.
    extra=RunnablePassthrough.assign(mult=lambda x: x["num"] * 3),
    # Set up a Runnable that returns the result of adding 1 to the "num" value of the input.
    modified=lambda x: x["num"] + 1,
)

# Run the Runnable with {"num": 1} as input.
runnable.invoke({"num": 1})
```

```
{'passed': {'num': 1}, 'extra': {'num': 1, 'mult': 3}, 'modified': 2}
```

```python
r = RunnablePassthrough.assign(mult=lambda x: x["num"] * 3)
r.invoke({"num": 1})
```

```
{'num': 1, 'mult': 3}
```

Pada contoh di atas, kunci `passed` dipanggil dengan `RunnablePassthrough()`, yang secara sederhana melewatkan `{'num': 1}`.

Pada baris kedua, kami menggunakan `RunnablePastshrough.assign` dengan fungsi lambda yang mengalikan nilai numerik dengan 3. Dalam kasus ini, `extra` adalah nilai asli ditambah kunci mult, yaitu `{'num': 1, 'mult': 3}`.

Terakhir, kami menggunakan kunci yang `modified` untuk mengatur kunci ketiga di peta, yang menggunakan fungsi lambda untuk mengatur nilai tunggal num ditambah 1, menghasilkan nilai 2 untuk kunci yang `modified`.

## Contoh mesin pencari

Pada contoh di bawah ini, Anda dapat melihat kasus penggunaan untuk menggunakan `RunnablePassthrough`.

```python
from langchain_community.vectorstores import FAISS
from langchain_core.output_parsers import StrOutputParser
from langchain_core.prompts import ChatPromptTemplate
from langchain_core.runnables import RunnablePassthrough
from langchain_openai import ChatOpenAI, OpenAIEmbeddings

# Membuat FAISS vector store dari teks.
vectorstore = FAISS.from_texts(
    [
        "Teddy bekerja di LangChain Inc.",
        "Shirley bekerja di perusahaan yang sama dengan Teddy.",
        "Pekerjaan Teddy adalah pengembang.",
        "Pekerjaan Shirley adalah desainer.",
    ],
    embedding=OpenAIEmbeddings(),
)
# Menggunakan vector store sebagai retriever.
retriever = vectorstore.as_retriever()
# Membuat template.
template = """Jawab pertanyaan hanya berdasarkan konteks berikut:
{context}

Pertanyaan: {pertanyaan}
"""
# Membuat chat prompt dari template.
prompt = ChatPromptTemplate.from_template(template)

# Menginisialisasi model ChatOpenAI.
model = ChatOpenAI(model_name="gpt-4o-mini")

# Fungsi untuk memformat dokumen
def format_docs(docs):
    return "\n".join([doc.page_content for doc in docs])

# Membuat rantai pengambilan.
retrieval_chain = (
    {"context": retriever | format_docs, "question": RunnablePassthrough()}
    | prompt
    | model
    | StrOutputParser()
)
```

```python
# Memanggil rantai pengambilan untuk mendapatkan jawaban dari pertanyaan.
retrieval_chain.invoke("Apa pekerjaan Teddy?")
```

```
Pekerjaan Teddy adalah pengembang.
```

```python
# Memanggil rantai pengambilan untuk mendapatkan jawaban dari pertanyaan.
retrieval_chain.invoke("Apa pekerjaan Shirley?")
```

```
Pekerjaan Shirley adalah desainer.
```


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://altero.gitbook.io/langchain-book-by-altero/ch13-langchain-expression-language-lcel/01.-runnablepassthrough.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.