LangChainJS Chain链详解(四)

来源：互联网 2026-07-15 18:43:01

Chain链本质是管道，将模型、提示词等组件串联成工作流，统一管理数据传递与逻辑编排。通过链式调用可复用子链，避免手动管理“胶水代码”。路由链根据问题类别分发到不同专家prompt，转换链利用Runnable对输入灵活转换。

聊完了消息大模型、prompt 提示词和 Runnable 这些基础概念，我们终于可以进入一个更核心的环节——Chain 链。如果你对前面的内容还不太熟悉，建议先翻一翻之前的文章，因为接下来要讲的东西，正是建立在这些基础之上的。 ## 为什么需要Chain链？说白了，**Chain链的本质，就是管道**。用过 Shell 命令行的人应该不陌生，`cat file.txt | tr 'a-z' 'A-Z'` 这个命令，就是把左侧命令的标准输出，直接作为右侧命令的标准输入。管道符 `|` 在这里扮演了数据搬运工的角色。LangChain 借鉴了这个经典的设计，并将其命名为 `Chain`（链）。之所以引入管道特性，就是为了践行 Unix 哲学：**每个组件只做一件事，并且把它做好，然后通过管道将它们组合起来，解决复杂问题**。在 LangChain.js 中，Chain 链正是这一理念的落地——它将模型、提示词模板、工具等异构组件串联成可执行的工作流，并统一管理组件间的数据传递与逻辑编排。开发者可以用声明式、可组合的方式来构建复杂的 AI 应用。举个例子，这样一个链式调用： ```ja vascript ChatPrompt.pipe(model).pipe(new StringOutputParser()) ``` 如果没有 Chain 链，当你使用模型、提示词、工具等组件时，只能手动管理它们之间的数据传递。每一次调用，都需要显式地获取前一步的输出，再作为下一步的输入。这种“胶水代码”在单次调用时尚且可控，可一旦涉及多轮对话或复杂工作流，数据结构就会变得混乱不堪，逻辑纠缠，维护成本急剧攀升。 **Chain 链正是为此而生**。它不仅允许开发者反复复用一个已构建好的工作流，更重要的是，它提供了一种标准化的编排模式——将模型、提示词、工具等异构组件统一纳入同一套接口（`Runnable`）之下，由链本身统一管理组件间的数据流转与执行顺序。开发者只需关心“做什么”，而无需关心“怎么传”。下面我们不妨直观对比一下，手动调用和 Chain 链调用的区别。 ## 手动调用假设我们要生成一篇文章，如果不使用 Chain 链，代码的执行流程会是什么样？直接看代码： ```ja vascript // 初始化模型 const model = new ChatOpenAI({ model: "DeepSeek-V4-Pro" }); // 定义提示词模板（依然可以复用） const outlinePrompt = ChatPromptTemplate.fromTemplate("请为主题 '{topic}' 生成一篇文章的大纲。"); const articlePrompt = ChatPromptTemplate.fromTemplate("根据以下大纲写一篇完整的文章：nn{outline}"); // 1 生成大纲 const outlineMessages = await outlinePrompt.formatMessages({ topic: "人工智能的未来" }); const outlineResponse = await model.invoke(outlineMessages); // 从响应中提取文本内容（相当于 StringOutputParser 的功能） const outline = outlineResponse.content; // 2 基于大纲生成文章 const articleMessages = await articlePrompt.formatMessages({ outline: outline }); const articleResponse = await model.invoke(articleMessages); const article = articleResponse.content; console.log(article); ``` 可以看到，如果不使用 Chain 链，开发者需要手动依次调用每个组件，并显式地传递数据，手动管理每一步的输入/输出、顺序和异常。这就像在写流水账，每一步都要亲力亲为。 ## Chain链调用那如果用 Chain 链来写，又会是什么样子？请看下面的代码： ```ja vascript // 初始化模型 const model = new ChatOpenAI({ model: "DeepSeek-V4-Pro" }); // 大纲提示词 const outlinePrompt = ChatPromptTemplate.fromTemplate("请为主题 '{topic}' 生成一篇文章的大纲。"); const outlineChain = outlinePrompt.pipe(model).pipe(new StringOutputParser()); // 输出字符串 // 文章提示词 const articlePrompt = ChatPromptTemplate.fromTemplate("根据以下大纲写一篇完整的文章：nn{outline}"); const articleChain = articlePrompt.pipe(model).pipe(new StringOutputParser()); // 输出字符串 // chain链拼接组合 const fullChain = outlineChain // 把上一步的字符串 outline 包成对象,再喂给 articleChain .pipe(RunnableLambda.from((outline: string) => ({ outline }))) .pipe(articleChain); const result = await fullChain.invoke({ topic: "人工智能的未来" }); ``` 这里 `outlineChain` 和 `articleChain` 使用 Chain 链组装，它们是两个等待调用或复用的组件，此时它们还没被调用。而 `fullChain` 是这两个 Chain 组件的组合结果。`outlineChain` 生成大纲并且输出字符串，再将生成的大纲字符串通过 `RunnableLambda` 转换成 `{ outline: string }` 对象传递给 `articleChain`。直到调用 `invoke` 方法，整个流程才开始运行： ``` topic 进入 outlineChain ↓ 大纲字符串 ↓ RunnableLambda 包成 { outline } ↓ { outline } 进入 articleChain ↓ 最终文章字符串 ``` 使用 Chain 链构建工作流，其中的每个子链（如 `outlineChain`）都可独立复用，也可灵活拼接，数据流转由链自动管理。这才是 Chain 链设计的精髓所在。 ## 路由链路由这个概念，类比网络路由就很好理解：首先收到一个数据包，看包的目的地址，再根据路由表把包转发到正确的下一跳。“路由”的核心是：**根据输入的某个属性，把请求分发到不同的处理路径**。在 Chain 链中，路由指的是根据问题类别分发到不同专家 prompt。下面我们来看一个路由链的例子： ```ja vascript // 使用 withStructuredOutput 进行分类 const classificationSchema = z.object({ category: z.enum(["tech", "cooking", "general"]).describe("问题类别"), }); const classifier = model.withStructuredOutput(classificationSchema); // 三个提示词模版 const techPrompt = ChatPromptTemplate.fromTemplate("你是一个技术专家。请回答以下技术问题：n{question}"); const cookingPrompt = ChatPromptTemplate.fromTemplate("你是一个厨师。请回答以下烹饪问题：n{question}"); const generalPrompt = ChatPromptTemplate.fromTemplate("请回答以下问题：n{question}"); const question = "怎么做红烧肉？"; // 分类 const classification = await classifier.invoke(`将以下问题分类为 tech（技术）、cooking（烹饪）或 general（一般）：n${question}`); let selectedPrompt; // 根据问题分类，加载对应提示词模版 switch (classification.category) { case "tech": selectedPrompt = techPrompt; break; case "cooking": selectedPrompt = cookingPrompt; break; default: selectedPrompt = generalPrompt; } const answer = await selectedPrompt.pipe(model).pipe(new StringOutputParser()).invoke({ question }); ``` 如果你只看 switch 语句，那确实就是普通的条件分支，没什么“路由”味道。但“路由链”这个名字来自 LangChain 的设计模式命名——**它强调的是整个流程的模式（分类 → 分发 → 处理），而不是单个 switch 语句**。换句话说：switch 本身不叫路由，但“先分类再分发到不同链”这种整体结构，就叫路由链。 ## 转换链转换链的本质，是借助 `Runnable` 统一标准，对单个或多个输入数据进行灵活处理，将其转换为下游组件所需的结构。 ```ja vascript const transformInput = RunnableLambda.from((input: { text: string }) => ({ text: input.text, wordCount: input.text.split(/\s+/).length, characterCount: input.text.length, })); const promptTemplate = ChatPromptTemplate.fromTemplate(`分析以下文本的摘要：文本: {text} 字数统计: {wordCount} 词，{characterCount} 字请提供摘要。`); const chain = transformInput.pipe(promptTemplate).pipe(model).pipe(new StringOutputParser()); const text = `LangChain 是一个用于开发由语言模型驱动的应用程序的框架。它提供了一套丰富的工具和组件，使得构建复杂的 LLM 应用变得更加容易。无论是简单的聊天机器人还是复杂的智能袋里，LangChain 都能帮你实现。`.trim(); const result = await chain.invoke({ text }); ``` 在这个例子中，`RunnableLambda.from` 将原始的 `text` 字段转换为包含多个字段的对象。得益于 `Runnable` 的统一接口规范，经转换后的数据对象，能够无缝传递给后续的提示词模板（`promptTemplate`）使用，整个流程自然而流畅。在实际业务场景中，原始数据格式往往是固定的，但前端展示或下游处理逻辑，对数据形态有特定要求。转换链恰好精准地解决了这个问题——它作为数据预处理/后处理的标准化“加工站”，让开发者能够以声明式、可组合的方式，将复杂的数据清洗、格式转换、字段映射等逻辑解耦出来，确保数据在进入核心大模型（LLM）环节之前，已完全就绪。 ## 总结如今，AI 编程工具已经成为日常开发的得力助手。但理解这些底层原理依然有意义：当你看到 AI 生成的代码时，你不仅能看懂它“在做什么”，更能理解它“为什么这样写”。而这，往往才是决定一个开发者水平高低的关键所在。

侠游戏发布此文仅为了传递信息，不代表侠游戏网站认同其观点或证实其描述