1.2 装配线核心零件图鉴

1.2 装配线核心零件图鉴：模型、提示、链、记忆、检索、工具、回调

本节摘要：LangChain 由七类核心零件组成——模型接口、提示模板、链、记忆、检索、工具与代理、回调。本节给每个零件发一张铭牌：职责、最小代码、接口约定，并说明它们如何在传送带上咬合，是全教程的零件总目录。

先把七个工位一次认全

进车间先看铭牌墙。下面的图就是 LangChain 的零件总目录，七类零件各守一个工位，实线是主传送带的走向，虚线表示"挂在工位上的辅助装置"。

装配线零件工位图

下面逐个打开看一眼最小形态。代码只求"认脸"，不求吃透——每个零件在对应章节都有整节的拆解。

逐个零件的最小代码

零件一：模型接口。 把不同厂商的模型封装成同一类对象，调用方式统一为 invoke。这是装配线的动力单元，换供应商只改这一件。

from langchain_openai import ChatOpenAI

llm = ChatOpenAI(model="gpt-3.5-turbo", temperature=0)

result = llm.invoke("用一句话解释什么是向量数据库")
print(result.content)
# 输出示例：向量数据库是专门存储和检索高维向量的数据库，常用于语义搜索。
​

零件二：提示模板。 把提示词从代码里抽出来变成带占位符的模板，变量后填。这是工艺单。

from langchain_core.prompts import PromptTemplate

# 大括号是留给变量的空位
prompt = PromptTemplate.from_template("给一家生产{product}的公司起三个中文名字")
print(prompt.format(product="彩色袜子"))
# 输出：给一家生产彩色袜子的公司起三个中文名字
​

零件三：链。 把工艺单、动力单元、解析器锁成一道工序，用管道符连接。这是传送带本体。

from langchain_core.output_parsers import StrOutputParser

chain = prompt | llm | StrOutputParser()
print(chain.invoke({"product": "彩色袜子"}))
# 输出示例：1. 彩织坊  2. 悦足轩  3. 棉花小铺
​

零件四与零件五：记忆与检索。 记忆负责把多轮历史接回提示，检索负责把私有知识接进提示，两者都挂在"工艺单"工位上，2.5 到 2.8 节展开。

零件六：工具与代理。 工具是把外部能力（搜索、计算器、数据库查询）包成模型可调用的函数；代理是让模型自己决定调用顺序的自治工位，2.4 节展开。

零件七：回调。 在链的各个阶段插入自定义代码：记日志、埋点、限流。车间监控，2.9 节展开。

零件之间的咬合关系

单看零件只是七个类名，装配线的威力在接口约定。LangChain 所有主带零件都实现了同一个可运行接口：输入一个字典或字符串，输出一个消息对象。正因接口统一，零件才能用管道符任意串接、替换、嵌套——这是全框架最核心的设计决定，值得在入门期就刻进脑子。

💡 读源码的口诀：先找链的组装处，再顺输入类型走。看到任何一段 LangChain 代码，先问"这条带上有哪些站、每站吃什么吐什么"，一半的困惑会自动消失。

拿到陌生代码先拆零件

铭牌认全了，来做个拆解练习——下面这段代码在很多新手项目里都能见到，初看一头雾水，按工位拆开就清楚了：

from langchain_openai import ChatOpenAI
from langchain_core.prompts import ChatPromptTemplate
from langchain_core.output_parsers import JsonOutputParser

# 第一站 工艺单：占位符 question 等着填
prompt = ChatPromptTemplate.from_template(
    "把用户投诉分类为物流、质量、尺码三类，"
    "以 JSON 输出：{question}")

# 第二站 动力单元：低温保证分类稳定
llm = ChatOpenAI(model="gpt-3.5-turbo", temperature=0)

# 第三站 输出解析：把文本规整成字典
parser = JsonOutputParser()

# 传送带：管道符把三站锁成一道工序
classify = prompt | llm | parser

print(classify.invoke({"question": "袜子洗一次就破了"}))
# 输出示例：{'category': '质量', 'confidence': 0.92}
​

拆解报告：主带上三站齐全——工艺单（模板）、动力单元（模型）、输出解析（JSON 解析器），管道符是传送带。没有记忆、没有检索、没有代理，说明这是一条单向直通的单轮产线；温度设为零，说明业务要的是稳定分类而不是发散创意。再看一行 import 就能猜出半段代码的用途：看到提示模板类，接下来必有变量字典；看到解析器，说明上游对输出格式有约定；看到向量库，说明这条带前面挂着立体仓库。这个"见名知位"的反应速度，就是本节要练出的能力。

两个新手常见的误认也顺便纠正：其一，RunnableWithMessageHistory 名字里没有 Memory，但它干的就是记忆工位的活——挂历史进提示，别按类名找零件；其二，检索器（Retriever）和向量库（VectorStore）不是一回事，向量库是仓库本体，检索器是仓库对外的拣货窗口，链上挂的是窗口不是仓库。零件认错工位，后面调参就会全盘错位。

本节要点回顾

• 七大零件：提示模板、模型接口、输出解析构成主带；记忆、检索、工具代理、回调是辅助工位；
• 统一可运行接口是零件能自由组装的根本原因，管道符是组装动作；
• 每个零件都有详解节号，本节只需建立"拿到代码能认零件"的映射能力；
• 辅助工位不单独上带：记忆与检索挂模板，工具挂代理，回调挂任意工位；
• 拆解陌生代码的三步：看 import 认零件、看管道找组装处、看参数猜业务意图；
• 两个易错点：记忆工位未必叫 Memory，链上挂的是检索器窗口而不是仓库本体。

下一节把车间通电：装环境、配密钥，把本节看过的零件亲手转一圈。