链 Chains

Chain（链） 把「提示模板 → 模型 → 解析器」等组件按顺序串起来，封装成一个可整体调用的单元。在 LCEL 普及前，LLMChain 是主要写法；现在推荐用 LCEL（第 7 章），但理解 Chain 有助于维护老代码。

1. LLMChain（经典写法）

import { LLMChain } from "langchain/chains";
import { ChatOpenAI } from "@langchain/openai";
import { ChatPromptTemplate } from "@langchain/core/prompts";
 
const llm = new ChatOpenAI({ model: "gpt-4o-mini" });
const prompt = ChatPromptTemplate.fromTemplate(
  "把下面句子翻译成英文：\n{sentence}"
);
 
const chain = new LLMChain({ llm, prompt });
const res = await chain.call({ sentence: "今天天气真好" });
console.log(res.text);

ℹ️LLMChain 的局限

它只封装「单提示 + 单模型 + 文本输出」这一固定形状，难以表达分支、并行、回退。新项目直接用 LCEL 的 pipe 更灵活。

2. SequentialChain：串联多步

需要「上一步输出作为下一步输入」时，用 SequentialChain：

import { SequentialChain, LLMChain } from "langchain/chains";
 
// 第一步：生成大纲
const outlineChain = new LLMChain({
  llm,
  prompt: ChatPromptTemplate.fromTemplate("为《{topic}》写三条要点"),
  outputKey: "outline",
});
 
// 第二步：根据大纲扩写
const expandChain = new LLMChain({
  llm,
  prompt: ChatPromptTemplate.fromTemplate("根据要点扩写：{outline}"),
  outputKey: "essay",
});
 
const overall = new SequentialChain({
  chains: [outlineChain, expandChain],
  inputVariables: ["topic"],
  outputVariables: ["essay"],
});
 
const result = await overall.call({ topic: "向量数据库" });
console.log(result.essay);

3. 用 LCEL 等价重写

上面的顺序链用 LCEL 一行就能表达，且天然支持流式与并行：

import { RunnableSequence } from "@langchain/core/runnables";
 
const chain = RunnableSequence.from([
  ChatPromptTemplate.fromTemplate("为《{topic}》写三条要点"),
  llm,
  new StringOutputParser(),
  // 再接一个「扩写」子链……
]);

💡新项目用 LCEL

RunnableSequence.from([...]) 可读性更好，且默认具备 .stream()、.batch()、.withConfig() 等能力，无需额外封装。

4. 选型建议

需求	推荐
单提示模板 + 模型	`prompt.pipe(model)`
多步顺序	`RunnableSequence`
维护旧代码	`LLMChain` / `SequentialChain` 仍可运行

🎯练习

把「翻译 → 润色」两步走用 RunnableSequence 重写，并试着对最终结果调用 .stream()。

小结

LLMChain 是经典单步封装，现已推荐用 LCEL 替代
SequentialChain 串联多步，上一步 outputKey 作为下一步输入
新代码优先 RunnableSequence.from([...])
下章深入 LCEL 表达式语言 →