LCEL 链式编程：用管道符把 Prompt、模型和解析器串成一条链

本文目录

一、什么是 LCEL
二、声明式带来的四个"免费"能力
三、消息历史：给链装上"记忆"
四、教学脚本的进阶路线
五、LCEL 的适用边界
六、技术演进与最新差异（2025—2026）
七、小结

LCEL 链式编程：用管道符把 Prompt、模型和解析器串成一条链 ----------------------------------

脱敏说明：本文为 LangChain 基础教学项目的总结，示例全部采用通用模型与 OpenAI 兼容协议，不出现任何特定厂商名称。

一、什么是 LCEL

LCEL（LangChain Expression Language）是 LangChain 提供的声明式组合语法。最直观的形式就是管道符：

chain = prompt | llm | parser

数据从左向右流动：用户输入填进模板 → 模板生成消息 → 模型推理 → 解析器提取结果。它解决的是"胶水代码"问题——不用再手写"取变量、拼消息、调模型、解析字符串"这一整套重复流程。

最小示例：

<span>from</span> langchain_core.prompts <span>import</span> ChatPromptTemplate
<span>from</span> langchain_core.output_parsers <span>import</span> StrOutputParser

prompt = ChatPromptTemplate.from_template(<span>"用一句话解释 {topic}，面向零基础读者"</span>)
chain = prompt | llm | StrOutputParser()

<span>print</span>(chain.invoke({<span>"topic"</span>: <span>"向量数据库"</span>}))

二、声明式带来的四个"免费"能力

同一条链不改代码就可以切换调用方式：

能力	用法	场景
同步调用	`chain.invoke(input)`	脚本、普通请求
流式输出	`chain.stream(input)`	打字机效果，降低首字等待
批量处理	`chain.batch([...])`	批量分类、提取，内部带并发优化
异步调用	`await chain.ainvoke(input)`	异步 Web 服务

此外，LCEL 链自带回调挂载点（可观测性、计费、日志统一接入）和并行执行支持：

<span>from</span> langchain_core.runnables <span>import</span> RunnableParallel

parallel = RunnableParallel(
    summary=summary_chain,
    keywords=keyword_chain,
    sentiment=sentiment_chain,
)
<span># 三个子链并行执行，总耗时约等于最慢的一支</span>

三、消息历史：给链装上"记忆"

多轮对话不能每次把历史拼在字符串里。框架提供带历史的 Runnable 封装：

<span>from</span> langchain_core.runnables.history <span>import</span> RunnableWithMessageHistory

chain_with_history = RunnableWithMessageHistory(
    chain,
    get_session_history,          <span># 根据会话 ID 返回历史消息</span>
    input_messages_key=<span>"input"</span>,
    history_messages_key=<span>"history"</span>,
)

chain_with_history.invoke(
    {<span>"input"</span>: <span>"接着上一个问题再展开讲讲"</span>},
    config={<span>"configurable"</span>: {<span>"session_id"</span>: <span>"user-001"</span>}},
)

会话隔离靠 session_id：不同用户、不同会话拿到不同的历史存储。教学项目特别强调这一点——并发场景下记忆串号是严重事故。

四、教学脚本的进阶路线

基础教学项目用 20 个脚本组织了一条平滑的学习曲线，核心节点如下：

LCEL 基础链与流式
Pydantic 结构化输出（从聊天文本提取销售线索）
消息历史与会话隔离
Agent + 工具调用（仓库助理场景）
RAG：文档加载 → 切分 → 轻量向量库 → 检索 → 链生成
简单 Web 应用

这条路线的编排思想值得借鉴：每一步只引入一个新概念，并立刻可运行。

五、LCEL 的适用边界

LCEL 擅长表达"可管道化的数据流"，但不适合：

路径需要动态分支、回环（用图编排，而不是硬把分支塞进链）
强人工干预、长期挂起的流程（HITL 是图框架的地盘）
高度定制的 Agent 循环（直接用标准 Agent 工厂）

一个经验判断：流程能画成"一条直线（可有并行支流）"用链，需要"带条件的环"用图。

六、技术演进与最新差异（2025—2026）

这是本文最重要的部分——LCEL 教学内容大多写于 0.1/0.2 时代，而 2025 年 10 月后生态发生了代际变化：

LangChain 1.0 正式 GA（2025-10-23）。 框架重心从"链"转向"Agent"：create_agent 成为最高层标准入口，底层运行在 LangGraph 之上。LCEL 并没有消失（Runnable、管道组合仍是底层组装原语），但"用 LCEL 手工拼 RAG 链"不再是官方推荐的首要路径——很多场景被 Agent + 中间件 + 内置 RAG 工具取代。
旧功能迁移到 langchain-classic。 1.0 精简了命名空间，大量遗留链和旧集成移到独立的 classic 包。老教程里的部分导入路径需要调整；官方提供完整迁移指南。
版本支持窗口明确。 LangChain 0.3 处于维护模式，支持到 2026 年 12 月（安全补丁 + 关键修复）；1.x 是 LTS，2.0 发布前无破坏性变更。如果还在 0.3 上，应在窗口期内规划升级。
标准内容块（content blocks）。 1.0 新增跨厂商统一的 content blocks 抽象，推理痕迹、引用、服务端工具调用等现代模型能力可以用一致方式访问——过去靠厂商私有字段（如某些模型的 reasoning_content）处理的逻辑，有了标准接口。
结构化输出集成进 Agent 主循环，不再需要"链式 + 输出解析器"的传统拼装（后续文章专讲）。

七、小结

LCEL 值得学的是它的声明式组合思想：管道符让数据流一目了然，invoke/stream/batch/async 四态免费切换，RunnableParallel 表达并行，消息历史靠 session ID 隔离。但在 2026 年使用时要带着版本意识：它已从"主角"变为 Agent 体系的底层组装原语，新项目优先评估 LangChain 1.0 的 create_agent，把 LCEL 作为理解框架和定制局部逻辑的基础。