AI-Wiki

基本定义

LangChain表达式语言（LangChain Expression Language，简称LCEL）是LangChain Core层内置的核心声明式工作流编排语言，核心定位为解决LangChain生态内AI应用的组件组合、工作流调度问题，是LangChain链(Chain)构建的底层核心机制。

LCEL采用声明式编程范式，开发者仅需定义工作流的组成组件、流转规则，无需手动编写组件调用、参数传递、异常处理等重复逻辑，即可快速完成可复用AI工作流的搭建，同时支持Python和Typescript双语言环境。

核心运行机制

LCEL的核心设计基于Runnable协议，所有可参与编排的组件（包括LLM、LangChain消息对象体系|ChatModel、提示词模板、输出解析器、检索器、自定义函数等）均需实现Runnable接口，提供统一的标准化调用方法：

invoke/ainvoke：单输入同步/异步调用，将单个输入转换为输出
batch/abatch：多输入批量并行调用，通过线程池高效处理批量请求
stream/astream：单输入同步/异步流式输出，支持大模型生成结果的逐块返回
astream_log：异步流式返回输出结果及中间步骤日志，便于调试与可观测性实现

基础语法

LCEL默认使用竖杠|作为组件连接符，实现顺序调用逻辑，前一个组件的输出将自动作为后一个组件的输入，典型基础链示例如下：

from langchain_core.prompts import PromptTemplate
from langchain_openai import ChatOpenAI
from langchain_core.output_parsers import StrOutputParser

# 定义独立组件
prompt = PromptTemplate.from_template("将以下文本翻译为{lang}：{text}")
model = ChatOpenAI(model="gpt-3.5-turbo")
output_parser = StrOutputParser()

# LCEL编排顺序执行工作流
chain = prompt | model | output_parser

# 统一调用执行
chain.invoke({"lang": "英文", "text": "我爱编程"})

核心高级特性

LCEL内置多种高级编排组件，满足除基础顺序调用外的复杂业务需求：

ConfigurableField：支持为组件配置可动态调整的参数，同一组件可在不同环境、不同调用条件下按预设规则运行，无需重复定义组件实例。
RunnableLambda：可将普通Python/Typescript函数转换为标准Runnable组件，实现自定义业务逻辑嵌入工作流，功能类同低代码平台中的自定义代码节点。
RunnableBranch：内置路由机制，支持根据前置步骤的输出结果动态选择后续执行分支，实现简单条件判断逻辑。
RunnablePassthrough：用于工作流中的变量绑定、值透传，可作为中继站或占位符保留输入参数，供后续步骤调用，无需手动传递变量。
RunnableParallel：支持并行执行逻辑，将同一输入同时传递给多个不同的Runnable组件同时执行，最后聚合所有组件的输出结果，适用于多路径检索、多模型对比等场景。
with_fallbacks：降级容错机制，可为指定组件配置备选执行逻辑，当组件调用失败（如大模型接口超时、返回异常）时自动触发备选方案，提升工作流稳定性。

使用边界与局限性

LCEL原生设计仅支持基础顺序调度逻辑，虽然可通过RunnableBranch实现简单条件分支，但对于复杂的多分支嵌套、循环调度、状态持久化、多角色智能体交互等高级编排需求，原生LCEL无法支持，需要搭配LangGraph补充实现。

典型应用场景

基础LangChain RAG能力框架|RAG工作流编排：整合文档加载、检索、重排、生成全链路流程
简单智能问答链构建：封装提示词、大模型调用、输出格式化全流程
批量数据处理工作流：结合batch方法实现大批量文本的分类、摘要、翻译等处理
大模型输出格式化流水线：串联多轮输出解析、校验逻辑，确保输出符合下游业务格式要求