《2026 LangChain零基础入门：用AI应用框架快速搭建智能助手》第3课：Chains 与 LCEL —— 把多个 Prompt 串成流水线，实现多步智能生成

小小程序猿~~~

311人浏览 · 2026-03-18 16:55:50

小小程序猿~~~ · 2026-03-18 16:55:50 发布

《2026 LangChain零基础入门：用AI应用框架快速搭建智能助手》第3课：Chains 与 LCEL —— 把多个 Prompt 串成流水线，实现多步智能生成

大家好，我是链上杯子（CSDN：链上杯子）。

失业一年了，天天想着怎么翻身。上节课用 PromptTemplate 生成单步内容后，我开始想：如果能让 AI 先脑暴大纲、再写正文、再润色结尾，会不会更专业？LangChain 的 Chains 就是干这个的——把多个步骤像流水线一样串起来。第一次跑通 SequentialChain，看到模型一步步输出完整文章，感觉像给 AI 加了个“生产车间”。

本课目标：
学会使用 LangChain 的 Chains（尤其是 SequentialChain 和 LCEL），把多个 Prompt + 模型调用串联成多步流程。
学完这节课，你就能实现“输入一个主题 → 先生成大纲 → 再写正文 → 最后润色”的智能生成链，输出质量明显提升。

核心代码实战

1. 最简单的 SequentialChain —— 两步链：先生成大纲，再写正文

from langchain_openai import ChatOpenAI
from langchain_classic.prompts import PromptTemplate
from langchain_classic.chains import LLMChain, SequentialChain

# 初始化模型（替换成你的真实 Key）
llm = ChatOpenAI(
    openai_api_key="",   # ←←← 这里替换成你的 DeepSeek API Key
    openai_api_base="https://api.deepseek.com/v1",
    model="deepseek-chat",
    temperature=0.7
)

# 第一步：生成大纲
outline_prompt = PromptTemplate.from_template(
    "你是一个专业小说编辑。\n"
    "请为主题「{topic}」生成一个简洁的故事大纲，包括开头、中间、高潮、结尾。\n"
    "输出格式：用编号 1-4 列出。"
)

outline_chain = LLMChain(llm=llm, prompt=outline_prompt, output_key="outline")

# 第二步：根据大纲写正文
story_prompt = PromptTemplate.from_template(
    "你是一个小说写手。\n"
    "请根据以下大纲写一篇完整短篇故事，字数约{length}字。\n"
    "大纲：\n{outline}\n"
    "风格：{style}。\n"
    "请直接输出故事正文。"
)

story_chain = LLMChain(llm=llm, prompt=story_prompt, output_key="story")

# 串成 SequentialChain
overall_chain = SequentialChain(
    chains=[outline_chain, story_chain],
    input_variables=["topic", "length", "style"],
    output_variables=["outline", "story"]
)

# 运行整个链
result = overall_chain({
    "topic": "量子纠缠的爱情",
    "length": 600,
    "style": "冷峻科幻 + 细腻情感"
})

print("=== 生成的大纲 ===")
print(result["outline"])
print("\n=== 完整故事 ===")
print(result["story"])

运行后会先输出大纲，再输出基于大纲写的完整故事。

小知识点：

SequentialChain 按顺序执行多个链，前一个的输出（output_key）会自动传给下一个。
input_variables 是入口变量，output_variables 是最终结果 key。

2. 使用 LCEL（LangChain Expression Language）—— 更现代、更灵活的写法

LCEL 是 LangChain 推荐的新方式，用 | 运算符串链，像管道一样直观。

from langchain_core.output_parsers import StrOutputParser
from langchain_classic.prompts import PromptTemplate

# 第一步 Prompt + LLM + Parser
outline_chain_lcel = (
    PromptTemplate.from_template(
        "为主题「{topic}」生成一个简洁大纲，包括4个部分。"
    )
    | llm
    | StrOutputParser()   # 把 AIMessage 转成纯字符串
)

# 第二步 Prompt + LLM + Parser
story_chain_lcel = (
    PromptTemplate.from_template(
        "根据以下大纲写一篇约{length}字的故事：\n{outline}\n风格：{style}"
    )
    | llm
    | StrOutputParser()
)

# 整体 LCEL 链（用 .pipe() 或 | 连接）
full_chain_lcel = outline_chain_lcel | story_chain_lcel

# 运行
result_lcel = full_chain_lcel.invoke({
    "topic": "失落的城市",
    "length": 500,
    "style": "文艺怀旧"
})

print("LCEL 生成的故事：")
print(result_lcel)

LCEL 优势：

写法简洁，像 Unix 管道
支持并行、分支、自定义组件
后续加 Memory、Agent、Tool 都兼容

3. 互动多步链 —— 用户输入主题

topic = input("故事主题：")
length = input("大约字数（数字）：")
style = input("风格：")

result = overall_chain({
    "topic": topic,
    "length": int(length),
    "style": style
})

print("\n大纲：")
print(result["outline"])
print("\n故事：")
print(result["story"])