AI-Wiki

基本定义

LangChain链(Chain)是LangChain开源AI应用开发框架中的核心工作流概念，定义为多组件的组合调用工作流，命名源于任务执行的链式流程特点。它将大模型、提示词模板、输出解析器等组件按业务逻辑串联，实现特定AI任务的标准化执行流程，可独立使用也可多链组合构建复杂应用，降低AI应用的开发复用成本。

核心组成

LangChain链的基础三要素如下：

语言模型：对应LangChain模型I/O模块的LLM（文本生成型）、ChatModel（对话型）组件，提供标准化的大模型调用接口，兼容不同厂商的大模型服务。
提示词模板：对应LangChain的Prompts管理体系，支持静态提示词复用、动态参数注入、少样本提示（FewShotPromptTemplate）等能力，可灵活生成适配不同场景的大模型输入。
输出解析器：对应LangChain的Output Parsers组件，负责将大模型的原始文本输出转换为XML、列表、日期对象、JSON等下游应用易于处理的结构化格式。

预置封装能力

LangChain官方针对高频通用场景，已经预置了开箱即用的链封装模块，无需开发者从零搭建流程，典型场景包括：

问答系统链：适配知识库问答、客服问答等场景
自然语言转SQL（NL2SQL）链：支持用户输入自然语言自动生成可执行的SQL查询语句
文档摘要链：实现长文本的结构化摘要生成
分类链：支持文本情感分类、内容标签分类等场景

使用模式

LangChain链支持两类使用模式，覆盖不同复杂度的AI应用需求：

单链模式：适用于简单线性任务，比如文本翻译、内容审核、基础分类等，仅需串联基础三要素即可完成流程构建，开发成本极低。
多链组合模式：适用于复杂应用构建，比如LangChain RAG能力框架、AI智能体、多轮对话系统等，可将多个不同功能的链按业务逻辑串联、并行组合，复杂的条件分支、循环逻辑可配合LangChain表达式语言(LCEL)的高级组件或LangGraph扩展库实现。

实现机制

LangChain链基于LangChain表达式语言(LCEL)的Runnable协议实现，所有组件均遵循统一的调用规范，使用竖杠（|）即可完成组件的链式拼接，支持invoke（单输入同步调用）、batch（多输入批量并行调用）、stream（流式输出）等统一调用方法。

基础构建示例

from langchain_core.prompts import ChatPromptTemplate
from langchain_community.llms import Tongyi

# 初始化大模型实例
llm = Tongyi(
    model_name="qwen-max",
    api_key="你的API_KEY"
)
# 定义提示词模板
prompt = ChatPromptTemplate.from_messages([
    ("system", "你是一个专业的翻译助手，将用户输入的中文翻译为英文"),
    ("user", "{input}")
])
# 构建翻译链
chain = prompt | llm
# 调用链
result = chain.invoke({"input": "LangChain链是AI应用开发的核心工作流概念"})
print(result)

边界与局限性

原生基于LCEL实现的基础链默认仅支持顺序执行的线性流程，若需要实现条件判断、分支选择、循环执行等复杂逻辑，需要额外使用RunnableBranch、LangGraph等扩展能力。
预置场景链仅覆盖通用需求，垂直领域的定制化场景仍需要开发者自行调整组件参数或新增自定义组件。

LangChain链(Chain)