LangChain几乎是LLM应用开发的第一选择，它的野心也比较大，它致力于将自己打造成LLM应用开发的最大社区。而LangChain最核心的部分非 Chain 莫属。
那Chain到底是个啥，概念比较模糊，像雾像雨又像风，这篇文章将带你快速理透 LangChain 中的 Chain 概念。
1. Chain是核心
LangChain的Chain到底是什么？一句话总结：Chain是指对 LangChain 多个组件的一系列调用。
再看看官网的解释：Chain是指调用的序列 - 无论是调用 LLM、工具还是数据预处理步骤，主要支持的方法是使用 LCEL。
官网里还提到了LCEL，LCEL是LangChain 表达式语言，是一种更加高效简介的链接 LangChain 组件的方式，也是官网推荐的方式。
从下图官网的描述，也可以看到，Chain可以是从最简单的“prompt + LLM”链 到 最复杂的链（运行了包含 100 多个步骤的链）。
2. 为什么需要Chain
我们所期待的LLM是能处理许多复杂任务，而非简单的一问一答，也不是简单的处理单一任务。
所以，最终我期待的LLM处理任务的流程应该是这样，它中间的复杂过程对用户来说是一个黑盒：
既然定位是完成复杂任务，那自然就需要通过某个机制将多个单一任务串起来，形成一个大的链条，多个步骤共同完成某个复杂任务。
***Chain可以将多个步骤连接到一起，最终完成各种复杂繁琐的任务。***这就是Chain存在的必要性了。我很喜欢LangChain的Logo，很形象地表达了这一思想。
Chain需要对多个组件一系列的调用或者一系列的串联，这样才能完成复杂任务。当然，我们也可以把 Chain 看作是流水线。通过使用 Chain，你可以将各个步骤定义为独立的模块，然后按顺序串联起来。这样不仅大大简化了代码逻辑，也使得整个流程更加直观和易于管理。
而LCEL的存在，也只是为了让构建链的过程更简单，让链的表达力更清晰更简单。
接下来，我将通过一个示例展示没有 Chain 和有Chain的2种实现方式，以便更清晰地理解 Chain 的价值。
3. 如果没有Chain
这里举个例子，比如：我们给LLM输入一段项目描述，让LLM给这个项目起一个名称和Slogan。
如果不使用Chain的话，我们可以这样实现。
# 本次需求：我们给LLM输入一段项目描述，让LLM给这个项目起一个名称和Slogan
# 以下是实现：
from langchain.prompts import PromptTemplate, ChatPromptTemplate
from langchain_core.output_parsers import StrOutputParser
proj_desc = """
我们本次的项目是去森林里探险救援，我们有一个10人小队，
我们要到达一个叫做“蝴蝶谷”的目的地，去那里解救一位被困的科学家。
这期间我们可能会遇到许多危险，我们需要共同合作，互相帮助，历经磨难，才能到达目的地。
我们的任务是要在5天内到达目的地并且救出探险家，才算完成这次探险，否则任务失败，我们将受到惩罚。
出发前我们要各自准备好自己的装备和干粮，加油！
"""
def name_slogan_by_desc(project_desc):
"""
根据项目描述，生成项目名称和slogan
"""
str_parser = StrOutputParser()
promt_template_project_name = "请你根据标签里的关于某个项目的描述，生成一个项目名称，只需要返回项目名称。{project_desc} "
promt_project_name = PromptTemplate.from_template(promt_template_project_name)
final_promt_project_name = promt_project_name.invoke({"project_desc": project_desc})
res_project_name = model.invoke(final_promt_project_name)
parsed_res_project_name = str_parser.invoke(res_project_name)
promt_template_slogan = "请你根据标签里的关于某个项目的描述，和这个项目的名称{project_name}，给这个项目起一个slogan，slogan要求干脆简洁积极向上，只返回slogan。{project_desc} "
promt_slogan = PromptTemplate.from_template(promt_template_slogan)
final_promt_slogan = promt_slogan.invoke(
{"project_desc": project_desc, "project_name": parsed_res_project_name}
)
response_slogan = model.invoke(final_promt_slogan)
parsed_response_slogan = str_parser.invoke(response_slogan)
final_result = {
"project_name": parsed_res_project_name,
"slogan": parsed_response_slogan,
}
return final_result
# 输入项目描述，输出项目名称和slogan
result = name_slogan_by_desc(proj_desc)
print(result)
执行结果如下：
{'project_name': '蝴蝶谷救援行动', 'slogan': '拯救科学家，共同合作，蝴蝶谷等你来！'}
可以看到，实现过程比较繁琐，变量和代码也多，不够直观，很容易出错。这还只是简单场景，如果碰到复杂场景就更麻烦了。
4. 因为有了Chain
接下来，我们使用 LangChain 的 Chain 功能，来实现相同的功能。代码如下：
# 本次需求：我们给LLM输入一段项目描述，让LLM给这个项目起一个名称和Slogan
# 以下是实现：
from operator import itemgetter
from langchain.prompts import PromptTemplate, ChatPromptTemplate
from langchain_core.output_parsers import StrOutputParser
from langchain.chains import LLMChain, SequentialChain
proj_desc = """
我们本次的项目是去森林里探险救援，我们有一个10人小队，
我们要到达一个叫做“蝴蝶谷”的目的地，去那里解救一位被困的科学家。
这期间我们可能会遇到许多危险，我们需要共同合作，互相帮助，历经磨难，才能到达目的地。
我们的任务是要在5天内到达目的地并且救出探险家，才算完成这次探险，否则任务失败，我们将受到惩罚。
出发前我们要各自准备好自己的装备和干粮，加油！
"""
def name_slogan_by_desc(project_desc):
"""
根据项目描述，生成项目名称和slogan
"""
# 第1条链
promt_template_project_name = "请你根据标签里的关于某个项目的描述，生成一个项目名称，只需要返回项目名称。{project_desc} "
chain_one = LLMChain(
llm=model,
prompt=PromptTemplate.from_template(promt_template_project_name),
output_parser=StrOutputParser(),
output_key="project_name",
)
# 第2条链
promt_template_slogan = "请你根据标签里的关于某个项目的描述，和这个项目的名称{project_name}，给这个项目起一个slogan，slogan要求干脆简洁积极向上，只返回slogan。{project_desc} "
chain_two = LLMChain(
llm=model,
prompt=PromptTemplate.from_template(promt_template_slogan),
output_parser=StrOutputParser(),
output_key="slogan",
)
# 串联两条链
sequential_chain = SequentialChain(
chains=[chain_one, chain_two],
input_variables=["project_desc"],
output_variables=["project_name", "slogan"],
)
final_res = sequential_chain(project_desc)
final_result = {
"project_name": final_res["project_name"],
"slogan": final_res["slogan"],
}
return final_result
# 输入项目描述，输出项目名称和slogan
result = name_slogan_by_desc(proj_desc)
print(result)
执行结果如下：
{'project_name': '蝴蝶谷救援行动', 'slogan': '团结合作，共赴蝴蝶谷'}
可以看到代码更简洁，也很直观，当然，也可以使用LCEL让整个链条更加简洁清晰。
5. LCEL表达式
LCEL方式的代码如下：
# 本次需求：我们给LLM输入一段项目描述，让LLM给这个项目起一个名称和Slogan
# 以下是实现：
from langchain.prompts import PromptTemplate, ChatPromptTemplate
from langchain_core.output_parsers import StrOutputParser
proj_desc = """
我们本次的项目是去森林里探险救援，我们有一个10人小队，
我们要到达一个叫做“蝴蝶谷”的目的地，去那里解救一位被困的科学家。
这期间我们可能会遇到许多危险，我们需要共同合作，互相帮助，历经磨难，才能到达目的地。
我们的任务是要在5天内到达目的地并且救出探险家，才算完成这次探险，否则任务失败，我们将受到惩罚。
出发前我们要各自准备好自己的装备和干粮，加油！
"""
def name_slogan_by_desc(project_desc):
"""
根据项目描述，生成项目名称和slogan
"""
# 第1条链
promt_template_project_name = "请你根据标签里的关于某个项目的描述，生成一个项目名称，只需要返回项目名称。{project_desc} "
chain_one = (
PromptTemplate.from_template(promt_template_project_name)
| model
| {"project_name": StrOutputParser(), "project_desc": lambda x: project_desc}
)
# 第2条链
promt_template_slogan = "请你根据标签里的关于某个项目的描述，和这个项目的名称{project_name}，给这个项目起一个slogan，slogan要求干脆简洁积极向上，只返回slogan。{project_desc} "
chain_two = (
PromptTemplate.from_template(promt_template_slogan)
| model
| {"slogan": StrOutputParser(), "project_info": lambda x: chain_one}
)
# 串联两条链
final_chain = chain_one | chain_two
final_res = final_chain.invoke({"project_desc": project_desc})
final_result = {
"project_name": final_res["project_info"]["project_name"],
"slogan": final_res["slogan"],
}
return final_result
# 输入项目描述，输出项目名称和slogan
result = name_slogan_by_desc(proj_desc)
print(result)
普通方式和LCEL方式的核心代码对比：
- 普通方式：
- LCEL方式：
6. 总结
本文主要聊了 LangChain 中的 Chain 概念。Chain 是 LangChain 中的核心组件，我们对多个组件的一系列调用就是Chain。
使用Chain可以让构建复杂的任务，更加清晰简洁。
=====>>>>>> 关于我 <<<<<<=====
本篇完结！欢迎点赞 关注 收藏！！！
原文链接：https://mp.weixin.qq.com/s/IdaO8CeS1TKoQDCcjMqWsg
