Q46 · LangChain 的链式调用（Chain）和 LCEL 是什么关系？

客服已经从可信的政策库查到一段耳机退货规则，用户问：“耳机几天可退？”接下来要做三件事：把“用户问题”和“已核实政策”填进提示模板，交给模型生成答复，再把模型消息取成可展示的文字。这三步有固定先后顺序，前一步的输出就是后一步的输入；日常说的一条 Chain（链），就是这样一条从输入走到输出的处理路径。

LCEL 是 LangChain Expression Language（LangChain 表达式语言）：用 | 等组合写法把具备共同调用接口的 Runnable（可运行组件）接起来，构造这条路径。因此可以说“用 LCEL 写了一条 chain”。但 Chain 还可能特指旧版 langchain_classic.chains.base.Chain 类，不能把这个历史类名与“处理流程”混成一个东西。LangChain 官方仍用 LCEL 称呼这种组合写法；当前参考文档把 RunnableSequence 定义为前一个 Runnable 的输出传给下一个，并说明通常用 | 构建；v1 迁移指南把 LLMChain 等旧链放入 langchain-classic。LangChain：LCEL 示例 · LangChain：RunnableSequence · LangChain：v1 迁移指南

术语与概念：这些名字各指哪一层

名字	零基础理解	在耳机问答里的位置
Chain（普通含义）	把多个步骤连成完整处理流程；它是一个工作方式的称呼	从用户问题和政策到最后答复的路径
Chain（旧版类名）	旧链 API 的基类，现位于 langchain-classic；它是具体代码类型	老项目里可能见到的类，不是下面示例的必要依赖
LLMChain	旧式“提示模板加模型”封装类；当前参考文档标为弃用并给出 Runnable 写法	阅读旧教程时常见
LCEL	把 Runnable 组合成处理流程的一套表达写法	`prompt
Runnable	能以统一方法接收输入、给出输出的组件接口	提示模板、模型、解析器都可参与组合
RunnableSequence	把多个 Runnable 按顺序执行的组合对象	上述三个步骤用 `
ChatPromptTemplate	根据给定字段制作聊天消息的模板	把 question 和 policy 填入角色消息
StrOutputParser	从模型输出消息取出文本字符串的解析器	把模型答复变成页面可展示的文字
invoke / ainvoke	对一个输入执行；后者是异步调用，适合异步环境	用一份耳机问题数据运行整条链
batch / stream	分别用于一批输入、单个输入的流式结果；具体效果还取决于各组件实现	批量处理问句或逐步显示模型文本

这里的 question 是“耳机几天可退？”，policy 是应用已经核实的规则。提示模板不负责核实政策；模型也不能因为收到一句政策文字就自动获得订单权限。LangChain 的 Runnable 参考列出 invoke、ainvoke、batch 和 stream 等接口，并说明 Runnable 可以组合成链。LangChain：Runnable 接口

一条链里的数据怎样流动

按图从左向右看，整条路径叫 chain。LCEL 是把路径写出来的方法：提示模板 | 模型 | 输出解析。图中的三个步骤都可按 Runnable 方式调用；最右侧的“回答”是运行结果。实际业务里，查政策、权限校验和最终答复审查可以在这条链前后由应用负责，图只展示固定的提示、生成、解析三步。

数据的形状也在变化：

位置	收到什么	交给下一步什么
链入口	字典 {"question": "耳机几天可退？", "policy": "…"}	原样交给提示模板
提示模板	question 与 policy 两个字段	带系统消息、用户消息的提示值 ChatPromptValue
聊天模型	提示值中的消息	一条模型消息 AIMessage
文本解析器	AIMessage	普通 Python 字符串，供页面显示

| 在这里不是把两个字符串拼起来，而是 LangChain 给 Runnable 定义的组合操作符。左边的输出若不能作为右边的输入，整条链就会在运行时失败。例如提示模板要求 policy，调用时却只给 question，第一步就缺字段。管道能把组件连接起来，但不能自动补出缺失的业务数据。官方参考说明 RunnableSequence 按顺序传递输出到输入；它也说明中间组件的实现会影响流式输出何时开始，不能只因写了 | 就认为每一步都能逐字流式返回。LangChain：RunnableSequence 细节

一段无需模型密钥的可运行示例

以下示例按 langchain-core 1.x 写法，安装 pip install 'langchain-core>=1,<2' 后可在 Python 3.10+ 运行。为避免读者先申请模型密钥，用官方 FakeListChatModel 充当模拟聊天模型：它依次返回预先写好的字符串，不会真的阅读政策或推理。代码展示的是组件怎样接起来、输入输出怎样传递；生产环境应替换为实际模型接入，并核查回答是否以政策为依据。LangChain：FakeListChatModel · LangChain：ChatPromptTemplate

代码里的 prompt 是提示模板，model 是模拟模型，parser 是文字解析器，chain 是把三者组合后的 RunnableSequence。data 是单次调用的输入字典，两个键名必须与提示模板中的 {question}、{policy} 对上。FakeListChatModel(responses=[...]) 中的列表是固定示例答复，绝不是从 policy 算出的结果。

from langchain_core.language_models.fake_chat_models import FakeListChatModel
from langchain_core.output_parsers import StrOutputParser
from langchain_core.prompts import ChatPromptTemplate

prompt = ChatPromptTemplate.from_messages([
    ("system", "你是客服。只根据已核实政策回答，缺少条件时说明不足。"),
    ("human", "用户问题：{question}\n已核实政策：{policy}"),
])

model = FakeListChatModel(responses=[
    "按演示政策，耳机自签收次日起 7 个自然日内可申请退货；"
    "是否通过仍需核对订单条件。"
])
parser = StrOutputParser()

chain = prompt | model | parser

data = {
    "question": "耳机几天可退？",
    "policy": "耳机自签收次日起 7 个自然日内可申请退货，需核对订单条件。",
}
print(type(chain).__name__)
print(chain.invoke(data))

运行会先打印 RunnableSequence，再打印预设的演示答复。逐步看：from_messages 把系统要求和带占位符的用户消息组成模板；prompt.invoke(data) 会把两处 {...} 替换成输入值，得到 ChatPromptValue；model 接收消息并返回一条 AIMessage；parser 抽出文本，最终 chain.invoke(data) 返回 str。其中 type(...).__name__ 只是为了让读者看到组合对象的类型，业务代码通常只关心 invoke 的结果。LangChain：ChatPromptTemplate · LangChain：StrOutputParser

如果把输入误写成 {"question": "耳机几天可退？"} 而漏了 policy，模板会因为缺少变量而报错，模型根本不该继续回答。若 policy 虽有值却来自过期或不可信的文档，链本身也不会识别真假；需要在进入链之前检查来源、版本和适用范围。模拟模型更要特别小心：它对不同问题仍会按预设列表返回文本，所以示例能跑通只能证明接线和类型流转，不能证明真实问答准确。这就是可运行示例与生产系统的边界。

遇到旧教程的 LLMChain，怎样读才不混乱

旧教程里可能写 from langchain.chains import LLMChain，再用 LLMChain(prompt=..., llm=...) 和 .run(...)。它表达的业务意思仍是“先格式化提示，再调用模型”，但不能把这段导入直接当成当前 v1 新项目的代码。LangChain v1 迁移指南写明，LLMChain 等 legacy chains 移到另装的 langchain-classic；当前 LLMChain 参考页标为 deprecated，并给出 prompt | model | StrOutputParser() 的 Runnable 替代示例；旧 Chain.run 方法本身也被标为 deprecated。LangChain：v1 迁移 · LangChain：LLMChain 参考 · LangChain：Chain.run 参考

对比同一个“提示模板 + 模型”任务时，抓住抽象层级：

看见的写法	它代表什么	当前阅读或新写代码时的判断
“这条 chain 接收问题并输出答案”	对完整处理流程的普通称呼	这个说法现在仍可用
LLMChain(...)	旧版预制类	阅读遗留代码时识别；新例子不要默认它还在 langchain.chains
`prompt	model	parser`
chain.invoke(data)	对组合后的 Runnable 执行一次	先检查入口字段与每步输入输出是否兼容

LCEL 能把固定步骤组合得很清楚，也支持通过 RunnableParallel 让独立分支接收同一输入再合并；但它不会替你决定是否调用工具、如何循环、何时等待人工批准。需要复杂状态、动态分支或长时间恢复时，要按需求考虑 LangGraph 等更明确的编排方式，不能把 | 管道误认为完整 Agent 运行时。RunnableParallel 与 RunnableSequence 都是官方 Runnable 组合原语；是否采用哪一种，应从步骤依赖出发。LangChain：Runnable 组合

面试时怎样回答

“Chain 可以泛指把几个处理步骤接成一条从输入到输出的流程；LCEL 是 LangChain 用来表达这种组合的写法，核心是 Runnable 接口和 | 管道。比如客服已有核实政策后，把 ChatPromptTemplate | 聊天模型 | StrOutputParser 接起来，调用 invoke 时，输入字典先变成提示消息，再变成模型消息，最后变成字符串。这条组合通常是 RunnableSequence。要注意 Chain 也可能指旧 API 的基类；旧 LLMChain 在 v1 已进入 langchain-classic 且标为弃用，不能照搬旧 import。LCEL 很适合输入输出明确的固定流程，但政策核实、权限、动态工具选择和复杂状态要另行设计。”

若面试官追问“写了 | 就一定能流式输出吗”，可以答：组合对象提供 stream 之类的统一方法，但实际流式粒度受每个组件影响；中间步骤若必须等完整输入或输出才工作，后面的流式结果也要等它结束。先查看所用组件的实现，再用真实输入测首字延迟，不能只看语法判断。LangChain：RunnableSequence 的流式说明