除了内置解析器，我们经常需要在链中执行自定义的数据转换，比如从模型中提取部分信息、修改格式等。可以将任意普通函数或 Lambda 表达式包装成Runnable对象，从而直接通过嵌入链中。它让链条中的数据处理完全自由定制。RunnableLambda(函数对象)包装后的对象即可作为链中的一环，其输入来自上游，输出传递给下游。"我邻居姓: {lastname}, 刚生了{gender}, 请起名, 仅

除了内置解析器，我们经常需要在链中执行自定义的数据转换，比如从模型中提取部分信息、修改格式等。可以将任意普通函数或 Lambda 表达式包装成Runnable对象，从而直接通过嵌入链中。它让链条中的数据处理完全自由定制。RunnableLambda(函数对象)包装后的对象即可作为链中的一环，其输入来自上游，输出传递给下游。"我邻居姓: {lastname}, 刚生了{gender}, 请起名, 仅

在这段代码中： - `b = a.reshape((3,4))` 对`a`进行形状重塑后，`b`与`a`共享同一块内存；- 当执行`b[:] = 2`修改`b`的所有元素时，由于内存共享，`a`的对应元素也会被同步修改。1.在张量（如PyTorch的`Tensor`或NumPy的`ndarray`）操作中，`reshape`方法在满足条件时（元素总数不变且内存布局兼容），会返回原张量的视图（共享底