当前位置：首页 > news >正文

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

news 2026/6/11 16:57:17

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