目录

一、先搞懂：LangChain 到底是个啥？

二、核心组件 1：模型 I/O 封装（项目经理对接供应商的 “统一话术”）

2.1 工具 1：ChatModel（统一对接 “供应商” 的方式）

2.2 工具 2：PromptTemplate（年会流程的 “模板化”）

2.3 工具 3：结构化输出（年会名单的 “表格化”）

三、核心组件 2：LCEL 流程编排（项目经理串年会流程的 “清单”）

3.1 基础实战：用 LCEL 串 “年会抽奖流程”

3.2 进阶实战：用 LCEL 串 “年会 RAG 流程”（找往期素材）

四、核心组件 3：数据连接封装（项目经理找 “年会素材” 的工具）

五、避坑指南：LangChain vs LlamaIndex（项目经理 vs 素材专员）

---

一、先搞懂：LangChain 到底是个啥？

假设你是公司行政，要办一场年会 ——

• AI 模型（OpenAI、DeepSeek） 是 “年会供应商”：比如场地供应商、表演团队、抽奖系统，各有各的对接方式；
• 用户需求 是 “年会目标”：比如 “办一场有趣、有序、能抽奖的年会”；
• LangChain 是 “年会项目经理”：它不自己提供场地（不是模型），也不自己找往期年会视频（数据处理弱于 LlamaIndex），但能解决 3 个关键问题：
  1. 不管对接哪个供应商（场地 / 表演 / 抽奖），都用统一的 “沟通话术”（比如 “需要 1 月 20 日可用的服务”），不用记不同供应商的联系方式；
  2. 把常用流程（比如 “签到→表演→抽奖”）存成模板，下次办年会直接改日期，不用重新写流程；
  3. 遇到突发情况自动调整（比如场地临时取消，自动联系备用供应商），不用你手动协调。

👉 一句话总结：LangChain 是 “AI 应用的项目经理”，核心价值是 “让复杂的 AI 开发，像办年会一样有条理”。

二、核心组件 1：模型 I/O 封装（项目经理对接供应商的 “统一话术”）

办年会第一步，得先让所有供应商（模型）按统一规则沟通 —— 这就是 “模型 I/O 封装” 的作用，核心学 3 个 “沟通工具”：

2.1 工具 1：ChatModel（统一对接 “供应商” 的方式）

原来的问题：对接 “OpenAI 场地供应商” 要发英文邮件，对接 “DeepSeek 表演团队” 要发中文微信，记不住怎么办？
LangChain 的解法：用 ChatModel 做 “翻译官”，不管对接哪个供应商，都用同一句 “话术”。

年会故事：你要找场地，先问 “OpenAI 供应商” 有没有 1 月 20 日的场地，后来想换 “DeepSeek 供应商”，不用改话术，只换个名字就行。
代码实战（年会版）：

# 1. 对接“OpenAI场地供应商”
from langchain.chat_models import init_chat_model
openai_supplier = init_chat_model("gpt-4o-mini", model_provider="openai")
# 2. 统一话术：“1月20日有可容纳100人的场地吗？”
print(openai_supplier.invoke("1月20日有可容纳100人的场地吗？"))  
# 输出：1月20日的100人场地可提供，建议提前3天确认合同

# 3. 换“DeepSeek表演团队”，话术不变
deepseek_supplier = init_chat_model("deepseek-chat", model_provider="deepseek")
print(deepseek_supplier.invoke("1月20日有可表演3个节目得团队吗？"))  
# 输出：1月20日可安排3个节目，包含歌舞和魔术

划重点：换模型（供应商）只需改model和model_provider，代码逻辑完全不变 —— 就像换供应商不用改沟通话术。

2.2 工具 2：PromptTemplate（年会流程的 “模板化”）

原来的问题：每年办年会都要写 “签到→表演→抽奖→用餐” 的流程，每次都要重复写细节，太麻烦了！
LangChain 的解法：用 PromptTemplate 存 “流程模板”，下次办年会只改 “日期、主题”，不用重写流程。

年会故事：你存了模板 “{年份} 年会流程：1. {日期} 14:00 签到；2. 表演 {节目数} 个节目；3. 抽取 {奖品数} 份大奖”，2025 年办年会时，只填 “2025、1 月 20 日、3、10” 就行。
代码实战（年会版）：

from langchain.prompts import PromptTemplate

# 1. 存年会流程模板（带{变量}）
annual_template = PromptTemplate.from_template(
    "{year}年会流程：\n1. {date} 14:00 签到\n2. 表演{show_num}个节目\n3. 抽取{gift_num}份大奖"
)

# 2. 填充变量（2025年年会信息）
2025_annual = annual_template.format(
    year="2025",
    date="1月20日",
    show_num=3,
    gift_num=10
)

# 3. 发给供应商确认
print(deepseek_supplier.invoke(f"确认年会流程：{2025_annual}"))  
# 输出：流程已确认，建议在表演环节预留15分钟互动时间

划重点：PromptTemplate 是 “带参数的模板”，就像年会流程表的 “填空版”，复用性拉满。

2.3 工具 3：结构化输出（年会名单的 “表格化”）

原来的问题：供应商给你发 “年会抽奖名单：小明 - 技术部 - 一等奖，小红 - 产品部 - 二等奖”，你要手动整理成表格，容易错。
LangChain 的解法：让供应商按 “姓名 - 部门 - 奖品” 的表格格式输出，直接复制到 Excel。

年会故事：你要求供应商用 “姓名 | 部门 | 奖品” 的格式发名单，供应商直接给你结构化数据，不用再手动整理。
代码实战（年会版）：

from pydantic import BaseModel, Field

# 1. 定义“抽奖名单格式”（表格结构）
class LotteryList(BaseModel):
    name: str = Field(description="员工姓名")
    department: str = Field(description="部门")
    prize: str = Field(description="奖品等级")

# 2. 让供应商按格式输出
structured_supplier = deepseek_supplier.with_structured_output(LotteryList)

# 3. 要名单+输出表格
result = structured_supplier.invoke("给年会抽奖名单：小明-技术部-一等奖，小红-产品部-二等奖")
print(result)
# 输出：
# name='小明' department='技术部' prize='一等奖'
# name='小红' department='产品部' prize='二等奖'
# 👉 直接用result.name就能取到姓名，不用手动拆分！

划重点：结构化输出让 “自然语言” 变 “机器能读的表格”，就像供应商把名单按格式填好，你不用再整理。

三、核心组件 2：LCEL 流程编排（项目经理串年会流程的 “清单”）

学会了 “对接供应商”，下一步要学 “串流程”—— 比如 “找场地→定流程→发名单→备奖品”，这就是 LCEL 的作用。

年会故事：你做了一份 “年会流程清单”：

1. 先找场地（调用场地供应商）；
2. 按场地容量定流程（用 Prompt 模板）；
3. 按流程发抽奖名单（结构化输出）；
4. 遇到场地取消，自动换备用供应商（重试 / 回退）。

LangChain 的 LCEL，就是用|（管道符）把这些步骤串起来，实现 “一步启动全流程”。

3.1 基础实战：用 LCEL 串 “年会抽奖流程”

流程需求：员工报部门→生成抽奖名单→按格式输出
代码实战（流程版）：

from langchain_core.runnables import RunnablePassthrough

# 1. 定义各步骤
# 步骤1：员工输入→填充模板（比如“技术部3人”→生成名单）
prompt = PromptTemplate.from_template(
    "员工输入：{input}\n请生成抽奖名单：每个部门选2人，奖品为三等奖"
)

# 步骤2：生成名单→按表格格式输出
llm_step = structured_supplier  # 用之前定义的“结构化供应商”

# 2. 用LCEL串流程：input→prompt→llm→结果
lottery_chain = (
    {"input": RunnablePassthrough()}  # 员工输入传给{input}变量
    | prompt                          # 步骤1：生成名单
    | llm_step                        # 步骤2：结构化输出
)

# 3. 一键运行流程
staff_input = "技术部、产品部各报2人"
final_list = lottery_chain.invoke(staff_input)
print(final_list[0].name)  # 输出：技术部第一个员工姓名

划重点：LCEL 用|串联步骤，就像年会流程清单，一步启动全流程 —— 不用手动协调每个环节。

3.2 进阶实战：用 LCEL 串 “年会 RAG 流程”（找往期素材）

更实用的场景：办年会要 “参考去年的节目单”，流程是 “找去年文档→按去年流程写今年的→输出”，这就是 RAG（检索增强生成）。

年会故事：你要写 2025 年节目单，先找 2024 年的节目文档（检索），再按去年的格式写今年的（Prompt），最后输出结构化流程（模型）。
代码实战（RAG 版）：

# 1. 先准备“去年节目文档检索器”（假设已存2024年节目单）
# retriever = 2024年节目文档的向量库.as_retriever()  # 实际开发需先建库

# 2. 用LCEL串RAG流程：问题→找去年文档→写今年流程→输出
rag_chain = (
    # 步骤1：问题→同时传给“question”和“context”（找去年文档）
    {"question": RunnablePassthrough(), "context": retriever}
    # 步骤2：用去年文档写今年流程的模板
    | ChatPromptTemplate.from_template("参考去年节目单{context}，写2025年节目单，分3点")
    # 步骤3：调用供应商（模型）写流程
    | deepseek_supplier
    # 步骤4：输出字符串（不用结构化）
    | StrOutputParser()
)

# 3. 一键运行RAG流程
2025_show = rag_chain.invoke("2025年年会节目单怎么写？")
print(2025_show)
# 输出：
# 1. 14:30-15:00 开场舞（参考去年的《好运来》）
# 2. 15:00-16:00 部门小品（去年技术部小品反响好，今年新增产品部）
# 3. 16:00-16:30 合唱（全员参与，曲目《明天会更好》）

划重点：LCEL 能轻松整合 “找文档”（检索）等工具，就像办年会时自动找去年素材，不用你手动翻文件夹。

四、核心组件 3：数据连接封装（项目经理找 “年会素材” 的工具）

办年会需要找 “往期视频、员工名单、场地合同”—— 这些对应 LangChain 的 “数据连接”，负责 “加载文档→切分素材→找关键信息”。

年会故事：你要找 2024 年的年会视频文档（加载），把视频简介切成小段（切分），搜索 “去年抽奖环节” 的描述（检索）。
代码实战（素材版）：

# 1. 加载2024年年会文档（PDF格式）
from langchain_community.document_loaders import PyMuPDFLoader
loader = PyMuPDFLoader("./2024年会文档.pdf")
pages = loader.load_and_split()  # 按页加载

# 2. 把文档切成小段（方便搜索）
from langchain_text_splitters import RecursiveCharacterTextSplitter
splitter = RecursiveCharacterTextSplitter(chunk_size=512, chunk_overlap=100)
chunks = splitter.create_documents([pages[0].page_content])

# 3. 搜索“去年抽奖环节”
from langchain_community.vectorstores import FAISS
from langchain_community.embeddings import DashScopeEmbeddings
# 把素材存成“搜索库”
embeddings = DashScopeEmbeddings(model="text-embedding-v1", api_key="你的密钥")
db = FAISS.from_documents(chunks, embeddings)
# 搜索关键词
retriever = db.as_retriever(search_kwargs={"k": 2})  # 找2个相关片段
result = retriever.invoke("2024年年会抽奖环节")
print(result[0].page_content)  # 输出：2024年抽奖环节在16:30开始，共抽10份大奖

划重点：数据连接是 “找素材的工具”，但 LangChain 这部分功能比较基础 —— 就像你自己找素材效率低，最好找 “素材专员（LlamaIndex）” 帮忙。

五、避坑指南：LangChain vs LlamaIndex（项目经理 vs 素材专员）

很多人会问：“LangChain 能找素材吗？”—— 就像 “年会项目经理能自己翻所有往期文档吗？”，答案是 “能，但不如素材专员专业”。

分工类比表：

角色	负责工作	对应工具
年会项目经理	对接供应商、串流程、处理突发情况	LangChain
年会素材专员	找往期文档、整理员工名单、切割视频素材	LlamaIndex

实战建议：办年会时，项目经理（LangChain）负责串流程，素材专员（LlamaIndex）负责找素材 ——AI 开发也一样：

• 要 “对接模型、串流程”→找 LangChain；
• 要 “处理复杂文档（表格 / 公式）、精准检索”→找 LlamaIndex；