大模型应用开发 / 系统课时

LCEL 表达式基础

LCEL 表达式基础

前面几课已经多次使用 | 符号连接提示词、模型和解析器,本课系统学习这套写法背后的 LCEL(LangChain Expression Language),理解它的组合规则与常用方法。

学习目标

  • 理解 LCEL 管道语法的组合规则
  • 掌握 Runnable 对象的通用调用方法
  • 能够读懂并编写简单的 LCEL 链

规则与接口

LangChain 中几乎所有组件(提示词模板、模型、解析器)都实现了统一的 Runnable 接口,都支持 invoke、batch、stream 方法。| 符号会把左右两个 Runnable 组合成一个新的 RunnableSequence,前一个组件的输出自动作为后一个组件的输入。

主示例

python
import os
from langchain_core.prompts import ChatPromptTemplate
from langchain_core.output_parsers import StrOutputParser
from langchain_openai import ChatOpenAI

prompt = ChatPromptTemplate.from_template("用一句话总结:{text}")
model = ChatOpenAI(model=os.environ["OPENAI_MODEL"], timeout=30, max_retries=1)
parser = StrOutputParser()

chain = prompt | model | parser
result = chain.invoke({"text": "LCEL 是 LangChain 提供的组合语法。"})
print(result)

输出验证

预期输出:

text
LCEL 是 LangChain 用于组合各类组件的表达式语法。

链路整体作为一个 Runnable,可以直接调用 invoke,无需手动依次调用每个组件。

关键边界

| 只能连接输入输出类型相互兼容的组件,例如模型的输出是消息对象,直接传给期望字符串输入的组件会出错,这也是需要 StrOutputParser 做类型转换的原因;链条越长,排查中间某一步错误就越需要借助后续课程介绍的追踪工具。

从类型契约排查管道

这条链的输入是含 text 的字典,模板输出 PromptValue,聊天模型输出 AIMessage,字符串解析器输出 str。管道符表达的是这个数据契约,不是 Shell 管道,也不会为任意不兼容类型自动转换。必要时单独调用每一步,打印类型与安全的样例摘要,避免记录敏感正文。

字典经提示词、模型和解析器转换为字符串

invoke 对一个输入返回完整结果;batch 对多个输入返回结果列表,顺序对应输入顺序,但底层工作可能并发执行。stream 返回增量结果,链中某个不支持增量转换的步骤可能等待上游全部结束;组合成链并不保证每个步骤都逐 token 流式处理。

配置可给整条链传递标签、元数据与并发上限,便于定位请求和控制资源。元数据不应包含密钥或原始敏感资料。为链添加重试时明确作用范围:只重试模型阶段,和重新执行整条含外部写入的链,可能造成完全不同的副作用。

先以固定模型输出测试模板键、消息类型和解析结果,再用少量真实请求评估摘要质量。原文预期句子是输出示例,不是每次都必须相同的文本;温度降低也不能替代确定性测试桩。

按自己的节奏,确认真正理解。

目录与阅读设置

记录一个想法

LCEL 表达式基础

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通