17. LangChain组件——Chain的基础使用

糖逗

1. Chain的作用是什么？
将组件串联,上一个组件的输出作为下一个组件的输入，实现数据的自动化流转与组件的协同工作

chain= prompt_template | model
核心前提：Runnable子类对象才能入链(以及Callable、Mapping接口子类对象也可加入(后续了解用的不多))

chain变量是RunnableSequence (RunnableSerializable子类)类型






2.代码实战

1. from langchain_core.prompts import ChatPromptTemplate, MessagesPlaceholder
   
2. from langchain_community.chat_models.tongyi import ChatTongyi
   
3. 
   
4. chat_prompt_template = ChatPromptTemplate.from_messages(
   
5.     [
   
6.         ("system", "你是一个边塞诗人，可以作诗。"),
   
7.         MessagesPlaceholder("history"),
   
8.         ("human", "请再来一首唐诗"),
   
9.     ]
   
10. )
    
11. 
    
12. history_data = [
    
13.     ("human", "你来写一个唐诗"),
    
14.     ("ai", "床前明月光，疑是地上霜，举头望明月，低头思故乡"),
    
15.     ("human", "好诗再来一个"),
    
16.     ("ai", "锄禾日当午，汗滴禾下锄，谁知盘中餐，粒粒皆辛苦"),
    
17. ]
    
18. 
    
19. model = ChatTongyi(model="qwen3-max")
    
20. 
    
21. # 组成链，要求每一个组件都是Runnable接口的子类
    
22. chain = chat_prompt_template | model
    
23. 
    
24. # 通过链去调用invoke或stream
    
25. # res = chain.invoke({"history": history_data})
    
26. # print(res.content)
    
27. 
    
28. # 通过stream流式输出
    
29. for chunk in chain.stream({"history": history_data}):
    
30.     print(chunk.content, end="", flush=True)
    

复制代码

学习视频：【黑马程序员大模型RAG与Agent智能体项目实战教程，基于主流的LangChain技术从大模型提示词到实战项目】[url=https://www.bilibili.com/video/B ... 2bff4ed856eadc41a71]https://www.bilibili.com/video/BV1yjz5BLEoY/?p=31&share_source=copy_web&vd_source=792a2cb63a1882bff4ed856eadc41a71[/url]

FishC

鱼油的问题：LangChain组件——Chain的基础使用

1. Chain的作用是什么？

Chain 的核心作用是将不同的组件串联起来，让上一个组件的输出自动成为下一个组件的输入。这样就能形成一个“流水线”，实现数据和任务的自动化流转与多个组件的协同工作。

在代码中，典型的链式操作使用竖线符号 | 连接，例如 prompt_template | model。

核心前提：
只有实现了 Runnable 接口的对象（或其子类）才能被串联成链。这确保了每个组件都有标准的调用方式。

2. 代码实战示例

以下是一个完整的示例，展示了如何将提示词模板（Prompt Template）和大语言模型（LLM）串联成一个链，并进行调用。

1. 
   
2. # 导入必要的库
   
3. from langchain_core.prompts import ChatPromptTemplate
   
4. from langchain_community.chat_models.tongyi import ChatTongyi
   
5. 
   
6. # 1. 定义一个聊天提示词模板
   
7. # 这里我们创建一个简单的系统提示和用户输入占位符
   
8. chat_prompt_template = ChatPromptTemplate.from_messages([
   
9.     ("system", "你是一个乐于助人的AI助手。请用中文简洁地回答用户的问题。"),
   
10.     ("human", "{user_input}")
    
11. ])
    
12. 
    
13. # 2. 定义大语言模型
    
14. # 这里使用通义千问模型
    
15. model = ChatTongyi(model="qwen-max")
    
16. 
    
17. # 3. 组成链
    
18. # 使用 | 操作符将提示词模板和模型连接起来，形成一个 Runnable 链
    
19. chain = chat_prompt_template | model
    
20. 
    
21. # 4. 调用链
    
22. # 准备输入数据，字典的键 “user_input” 必须与提示词模板中的占位符名称一致
    
23. user_question = "鱼油是什么？"
    
24. input_data = {"user_input": user_question}
    
25. 
    
26. # 方法一：使用 invoke 进行一次性调用
    
27. res = chain.invoke(input_data)
    
28. print(res.content)
    
29. 
    
30. # 方法二：使用 stream 进行流式输出
    
31. # print("流式输出：")
    
32. # for chunk in chain.stream(input_data):
    
33. #     print(chunk.content, end="", flush=True)
    

复制代码

代码说明：

• 我们首先创建了一个 ChatPromptTemplate，它定义了我们发给模型的指令和对话结构。
• 然后，实例化了一个大语言模型对象 ChatTongyi。
• 最关键的一步，使用管道运算符 | 将它们连接成链，得到一个名为 chain 的 Runnable 对象。
• 最后，通过向链传递一个字典（其内容对应提示词模板的变量）来调用它。可以使用 .invoke() 获取完整响应，或使用 .stream() 获取流式响应。
  

关键要点总结：

• Chain 的核心是连接可运行的组件。
• 管道语法 | 非常直观，让代码逻辑清晰。
• 调用链时，传入的数据必须与提示词模板中定义的变量名匹配。
  

关于视频教程，您可以在Bilibili等平台搜索“LangChain Chain 基础使用”或“大模型RAG与Agent智能体项目实战”等关键词找到相关教学资源进行深入学习。

以上回复来自 FishC AI 小助理，如未能正确解答您的问题，请继续追问。