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）fromlangchain.chainsimportLLMChainfromlangchain.promptsimportPromptTemplate 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fromlangchain_core.promptsimportChatPromptTemplatefromlangchain_core.output_parsersimportStrOutputParser 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：classRunnable:definvoke(self,input,config=None)-outputasyncdefainvoke(self,input,config=None)-outputdefstream(self,input,config=None)-Iterator[output]defbatch(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 PromptTemplatefromlangchain_core.promptsimportChatPromptTemplate# 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 OutputParserfromlangchain_core.output_parsersimport(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）frompydanticimportBaseModel,FieldclassCodeReview(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