22. LangChain LCEL，用 | 串联AI的魔法语言

📰 来源: 博客园

在 LangChain 生态中，LCEL（LangChain Expression Language）是一种新的编程范式。它用一个简单的|，改变了 AI 应用的构建方式。曾经需要编写大量胶水代码才能串联起来的提示词、模型和输出解析器，现在只需要一行代码就能完成：

chain = prompt | model | parser

1. LCEL 核心原理：| 运算符的秘密
LCEL 的核心设计哲学就是 "数据流优先"。所有组件都遵循统一的接口，数据从左向右沿着链条自动流动，无需开发者手动处理中间状态。

链式组合：LCEL 使用|（竖线）运算符串联 Prompt、模型与输出解析器形成 AI 流水线，数据严格按照从左到右的顺序传递。

底层实现：| 运算符本质上是 Python 中__or__方法的语法糖。

Runnable 基类：LangChain 中所有可执行组件都继承自Runnable基类，该基类重载了__or__方法，这就是为什么所有组件都能使用|进行链式组合的根本原因。

 2. 三步构建你的第一条 AI 链

下面，让我们从最简单的例子开始，用 LCEL 构建一个笑话生成器。这个例子将展示 LCEL 最核心的用法：串联提示词、模型和字符串输出解析器。

import os

from dotenv import load_dotenv

from langchain.chat_models import init_chat_model

from langchain_core.prompts import ChatPromptTemplate

from langchain_core.output_parsers import StrOutputParser

# 加载环境变量（包含API密钥、模型名称等）

load_dotenv()
# 初始化模型（使用config_prefix支持多模型配置）

prefix = "QWEN"

model = init_chat_model(

    model_provider="openai",

    configurable_fields=["model", "api_key", "base_url"],

    config_prefix=prefix,

    temperature=0.5,

    max_tokens=500

)
# 模型配置（从环境变量中读取）

config = {

    "configurable": {

        f"{prefix}_model": os.getenv(f"{prefix}_MODEL"),

        f"
🔗 原文链接: 点击阅读原文