3. 链式编程

3. 链式编程

本章导读：如果说第 2 章教你识别和使用了各种「积木块」，那本章就是教你如何把这些积木块搭成完整的建筑。链式编程是 LangChain 早期最核心的设计理念，也是理解更高级的 Agent 编程的必经之路。

本章定位

链式编程解决的核心问题是流程编排——把多个处理步骤串联成一个完整的处理流水线。在 LangChain 中，一条「链」（Chain）就是一组有序的处理步骤，上一步的输出是下一步的输入。

为什么需要链？因为真实的 LLM 应用几乎不可能一步完成。以一个「文档问答」系统为例，完整流程至少包括：加载文档、切片、生成 Embedding、存入向量库、检索相关片段、构造 Prompt、调用模型、解析输出。这些步骤必须按顺序执行，每一步的输出都是下一步的输入——这就是链。

链 vs Agent：何时用哪个

这是很多学习者困惑的问题，提前在这里讲清楚。

用链的场景：流程固定、步骤明确。比如「接收用户输入 → 构造翻译 Prompt → 调用模型 → 返回翻译结果」。每一步做什么你事先就完全清楚，不需要模型参与决策。

用 Agent 的场景：流程不固定、需要模型动态决策。比如「用户可能问天气、可能查订单、可能要求退款」——你无法预先编排所有可能的流程分支，必须让模型根据用户的具体意图动态选择不同的处理路径。

混合场景：在复杂系统中，往往是一部分用链、一部分用 Agent。Agent 的内部工具实现可能本身就是一条链。两者不是互斥的，而是互补的。

章节导读

3.1 提示词模板

掌握 LangChain 的提示词管理方案。你将学会使用 ChatPromptTemplate 定义结构化提示词，支持变量动态填充、多角色消息组装（system/user/assistant）、部分变量预填充等高级功能。提示词模板是所有链式调用的起点，也是影响模型输出质量最关键的因素——好的模板能让输出准确率提升百分之二十以上。

核心收获：定义可复用、可维护、支持动态变量的提示词模板。

3.2 输出解析器

掌握将模型返回的文本转化为结构化数据的方法。你将学会使用 StrOutputParser、JsonOutputParser 和 PydanticOutputParser 三种解析器，分别处理纯文本、JSON 和强类型对象。这是链式编程中不可或缺的一环——没有解析器，你的代码拿到的只是原始文本。

核心收获：让模型的输出从「字符串」变成你代码可以直接使用的结构化数据，为后续的自动化处理奠定基础。

3.3 链式调用

本章的核心内容。你将学会使用管道操作符把多个组件串联成完整的处理链，理解 LCEL（LangChain Expression Language）的核心设计思想——Runnable 接口和组合模式。你将构建几个完整的端到端链：翻译链、摘要链和 RAG 问答链。

核心收获：独立构建完整的端到端处理链，理解 LCEL 的组合模式。

3.4 序列化与序列

深入链式编程的高级特性：并行执行（同时调用多个链）、条件分支（根据输入选择不同的处理路径）、动态路由（根据模型输出决定下一步）。这些能力让链从「线性流水线」进化为「有分支的流程图」。

核心收获：构建带并行执行和条件分支的复杂链式流程，突破简单线性链的能力限制。

3.5 序列化与序列（下）

进一步深入序列的高级用法，包括序列的嵌套组合、序列与工具的集成、以及序列的调试技巧和性能优化策略。本节是链式编程的收尾篇，也承担着过渡到第 4 章 Agent 的桥梁角色——当你发现链的固定流程无法满足需求时，就到了用 Agent 的时候。

核心收获：掌握序列的高级组合方式，掌握序列的高级组合方式，理解链式编程的能力边界和局限性，为第 4 章的 Agent 编程做好认知准备。

链式编程的典型应用场景

在进入具体内容之前，先列几个链式编程最典型的应用场景，帮你建立直觉：

场景一：翻译链。 输入原文 + 目标语言 → 提示词模板填充 → 模型翻译 → 输出解析。三步完成，流程完全固定。

场景二：文档摘要。 加载长文档 → 切片 → 每片分别摘要 → 合并摘要 → 二次摘要生成最终版本。涉及并行执行和合并操作。

场景三：RAG 问答。 用户问题 → 检索相关文档 → 拼装 Prompt（问题 + 检索结果）→ 模型生成回答 → 输出解析。这是链式编程最经典的实战应用。

场景四：数据提取。 非结构化文本 → Prompt 指定提取格式 → 模型提取 → JSON 解析 → Pydantic 校验。把自由文本变成结构化数据。

这四个场景在 3.3 节都会有完整的代码实现。你可以先在心里有个预期，学完 3.3 节后回来对照。

为什么分两节讲序列

3.4 和 3.5 都是关于序列的内容，之所以拆成两节，是因为序列的高级特性内容较多，拆开后每节的认知负担更合理。3.4 聚焦于「结构」——并行、条件、路由；3.5 聚焦于「实践」——嵌套、调试、优化和边界。如果你已经熟悉 LCEL，可以快速浏览 3.4 后重点看 3.5。

LCEL：链式编程的核心语法

LangChain Expression Language（LCEL）是本章的核心语法。它的设计灵感来自 Unix 管道——用竖线符号把多个操作串联起来。代码层面，LCEL 基于 Runnable 接口，所有 LangChain 组件（模型、提示词、解析器等）都实现了这个接口，因此可以用管道操作符自由组合。

LCEL 的三个核心操作：

• 管道组合（pipe）：prompt | model | parser，上一步的输出自动作为下一步的输入。
• 并行执行（parallel）：同时执行多个 Runnable，等待全部完成后合并结果。
• 条件分支（branch）：根据条件选择不同的执行路径。

这三个操作覆盖了绝大多数流程编排需求。3.3 节会深入管道组合，3.4 节讲解并行和条件分支。理解了这三个操作，你就掌握了 LCEL 的全部核心用法。LCEL 的设计哲学是「简单的事情简单做，复杂的事情组合做」——最简单的链只需要一个管道操作符，复杂的流程通过嵌套组合实现。

学习建议

1. 3.1 和 3.2 是基础中的基础。提示词模板和输出解析器在后续每一章都会用到，务必熟练掌握。
2. 3.3 是本章绝对重点。LCEL 的管道操作符是 LangChain 最优雅的设计之一，深入理解它对后续学习至关重要。
3. 3.4 和 3.5 可以选读。如果你的项目暂时不需要复杂的链式流程，理解核心概念即可，后续需要时再深入学习。

前置要求

• 已完成第 2 章学习，掌握 LLM 集成和提示词的基础用法
• 理解 Python 的管道操作和函数式编程基本概念
• 了解 JSON 格式和 Pydantic 数据校验的基本用法
• 有过至少一次调用 LLM API 的实践经验

更新记录

• 2026-07-23：重写章导读，增加链 vs Agent 对比、学习路径图、各节核心收获

关键词：LangChain框架精通, 链式编程, LCEL, 提示词模板, 输出解析器, 序列化, 管道操作, Runnable
难度：入门到进阶
预计阅读：70 分钟