《60天AI学习计划启动 | Day 21: LangChain 高级特性（LCEL + Structured Output》

Day 21：LangChain 高级特性（LCEL + Structured Output）

学习目标

• 掌握 LangChain Expression Language（LCEL）基础用法
• 会用 RunnableSequence / RunnableParallel 组合链路
• 了解 结构化输出（Structured Output）+ zod 校验
• 实战：把之前的 RAG / Chat 流程用 LCEL 重写一版

---

核心知识点

• LCEL 核心思想

  • 一切都是 Runnable：PromptTemplate、LLM、Parser、Retrievers 等
  • 用 .pipe() / RunnableSequence.from() 串联；RunnableParallel 并行
  • 好处：声明式、可组合、易复用、易调试

• 顺序链（RunnableSequence）

  • 典型链路：input → Prompt → LLM → Parser
  • 用法（伪代码）：

    const chain = RunnableSequence.from([
      prompt,
      llm,
      outputParser
    ])
    const res = await chain.invoke({ question })
    

• 并行链（RunnableParallel）

  • 同时跑多个子任务，比如：
    • 一个链做「总结」，一个链做「提取关键字」
  • 用法（伪代码）：

    const parallel = RunnableParallel.from({
      summary: summaryChain,
      keywords: keywordChain
    })
    const res = await parallel.invoke({ text })
    

• 结构化输出（Structured Output）

  • 使用 zod 定义 schema，确保 LLM 输出 JSON 符合类型
  • 适合：配置、提取字段、结构化分析结果
  • 用法（伪代码）：

    const schema = z.object({
      title: z.string(),
      score: z.number().min(0).max(10)
    })
    const parser = StructuredOutputParser.fromZodSchema(schema)
    const chain = prompt.pipe(llm).pipe(parser)
    const res = await chain.invoke({ code })
    

• LCEL + RAG 简写

  • 链路：question → retriever → context → prompt → llm → parser
  • 用一个 RunnableSequence 串起来，替代手写 try/await 流程

---

实战作业

• 作业 1：用 LCEL 重写基础 Chat 链

  • 把原来 prompt + llm + 自己 parse 的逻辑改成：prompt.pipe(llm).pipe(parser)
  • 要求：保留原有功能，代码更短、更易读

• 作业 2：实现一个「代码审查 + 打分」结构化输出链

  • zod 定义：

    const ReviewSchema = z.object({
      issues: z.array(z.string()),
      score: z.number().min(0).max(10),
      suggestion: z.string()
    })
    

  • 用 LCEL：prompt → llm → StructuredOutputParser，返回严格结构化对象

• 作业 3：给 RAG 做一个 LCEL 版本

  • retriever.pipe(ragPrompt).pipe(llm).pipe(parser)
  • 对比：老版手写 await vs LCEL 写法，体会可组合性差异

---

思考/笔记要点（可写进博客）

• 记录：传统 imperative 写法 vs LCEL 声明式写法代码对比
• 总结：什么时候用 LCEL（复杂链路、多处复用）更合适
• 反思：自己项目里哪些地方可以逐步替换成 LCEL