LangChain_LCEL链式表达式实战

LangChain LCEL 链式表达式实战：从入门到生产级应用

作者：Crown_22 | AI Agent & 自动化工作流开发者 | 技术分享

前言

如果你还在用 chain.run() 这种老式写法来调用 LangChain，那这篇文章就是为你准备的。

LangChain Expression Language（LCEL）是 LangChain 0.1.0 引入的声明式链式调用语法，它彻底改变了我们构建 AI 应用的方式。不是简单的语法糖，而是架构层面的升级——支持流式输出、批量处理、异步调用、并行执行，而且所有组件都可以无缝组合。

我在实际项目中踩过不少 LCEL 的坑，今天把经验分享出来，帮你少走弯路。

一、LCEL 是什么？为什么用它？

1.1 老式写法的问题

# ❌ 老式写法（已废弃）
from langchain.chains import LLMChain
from langchain.prompts import PromptTemplate

chain = LLMChain(llm=llm, prompt=prompt)
result = chain.run(input="你好")

问题：

• 不支持流式输出
• 不支持异步
• 链式组合困难
• 错误处理复杂
• 无法批量处理

1.2 LCEL 写法

# ✅ LCEL 写法
from langchain_core.prompts import ChatPromptTemplate
from langchain_core.output_parsers import StrOutputParser

chain = prompt | llm | StrOutputParser()
result = chain.invoke({
   
   "input": "你好"})

优势：

• | 管道语法，直观易读
• 自动支持 .invoke()、.stream()、.batch()、.ainvoke()
• 可以任意组合组件
• 内置重试和回退机制

1.3 核心概念：Runnable 接口

LCEL 中所有组件都实现了 Runnable 接口：

class Runnable:
    def invoke(self, input, config=None) -> output
    async def ainvoke(self, input, config=None) -> output
    def stream(self, input, config=None) -> Iterator[output]
    def batch(self, inputs, config=None) -> List[output]
    def __or__(self, other) -> RunnableSequence  # | 管道语法

这意味着你可以对任何组件使用相同的方法，不需要记忆不同的 API。

二、基础组件实战

2.1 PromptTemplate

from langchain_core.prompts import ChatPromptTemplate

# 简单模板
prompt = ChatPromptTemplate.from_template(
    "你是一个{role}，请用{style}的方式回答：{question}"
)

# 多消息模板
system_prompt = ChatPromptTemplate.from_messages([
    ("system", "你是一个资深的{domain}专家，回答要简洁准确。"),
    ("human", "{question}")
])

# 格式化测试
messages = prompt.format_messages(
    role="Python专家",
    style="简洁",
    question="什么是装饰器？"
)
print(messages)

2.2 OutputParser

from langchain_core.output_parsers import (
    StrOutputParser,      # 字符串输出
    JsonOutputParser,     # JSON输出
    PydanticOutputParser, # Pydantic模型输出
)

# 字符串解析器（最常用）
str_parser = StrOutputParser()

# JSON解析器
json_parser = JsonOutputParser()

# Pydantic解析器（结构化输出）
from pydantic import BaseModel, Field

class CodeReview(BaseModel):
    issues: list[str] = Field(description="发现的问题列表")
    suggestions: list[str] = Field(description="改进建议")
    score: int = Field(description="代码质量评分 1-10")

pydantic_parser = PydanticOutputParser(pydantic_object=CodeReview)

2.3 组合使用