Appearance
LCEL（LangChain Expression Language）
LCEL 是 LangChain 的核心组件，它是一种声明式的方式来构建链（chains）。它让构建复杂应用变得简单直观。
主要特点：
- 声明式语法：用
|操作符连接组件 - 自动并行化：优化执行效率
- 流式输出：支持实时 token 流式传输
- 易于调试：提供可视化工具
- 生产就绪：内置重试、回退、日志等
基本示例：
python
from langchain_core.prompts import ChatPromptTemplate
from langchain_openai import ChatOpenAI
# 创建链
chain = (
ChatPromptTemplate.from_template("用中文回答：{question}")
| ChatOpenAI(model="gpt-3.5-turbo")
| (lambda x: x.content) # 提取内容
)
# 运行链
result = chain.invoke({"question": "什么是人工智能？"})
print(result)
常见使用场景
1. 简单问答链
python
from langchain_openai import ChatOpenAI
from langchain_core.prompts import ChatPromptTemplate
prompt = ChatPromptTemplate.from_messages([
("system", "你是一个专业的AI助手"),
("human", "{input}")
])
llm = ChatOpenAI(model="gpt-3.5-turbo")
chain = prompt | llm | (lambda x: x.content)
2. 带输出的链
python
from langchain_core.output_parsers import StrOutputParser
chain = prompt | llm | StrOutputParser()
3. 多个组件的链
python
from langchain_core.runnables import RunnablePassthrough
def length_function(text):
return len(text)
chain = (
{"text": RunnablePassthrough()}
| prompt
| llm
| StrOutputParser()
| length_function
)
4. 条件判断分支
python
from langchain_core.runnables import RunnableBranch
branch = RunnableBranch(
(lambda x: "你好" in x, lambda x: "欢迎！"),
(lambda x: "谢谢" in x, lambda x: "不客气！"),
lambda x: "我不确定如何回答"
)
高级功能
流式输出
python
for chunk in chain.stream({"question": "请介绍一下你自己"}):
print(chunk, end="", flush=True)
批量处理
python
results = chain.batch([
{"question": "问题1"},
{"question": "问题2"}
])
异步支持
python
async def process():
result = await chain.ainvoke({"question": "异步问题"})
最佳实践
- 模块化设计：将复杂链拆分为小模块
- 错误处理：使用
with_fallbacks()添加回退 - 调试：使用
chain.get_graph().print_ascii()可视化 - 配置管理：使用
with_config()管理运行时配置
学习建议
- 从简单开始：先掌握
|操作符的基本用法 - 理解组件：熟悉 Prompt、LLM、OutputParser 等核心组件
- 实践项目：从简单的聊天机器人开始
- 参考官方文档：LangChain 文档有丰富的示例
需要我详细解释某个特定方面，或者帮你解决具体问题吗？