从“控制流程”到“数据流”：彻底理解 LCEL 的设计思想

在学习 LangChain 的过程中，很多人会写 .pipe()，但却并不真正理解它为什么重要。这篇文章不会只教你“怎么用”，而是带你从底层思维转变出发，彻底搞懂 LCEL（LangChain Expression Language）的核心价值。

一、从“写步骤”到“描述流动”

在传统开发中，我们习惯用命令式编程来解决问题，比如：

1
const formatted = prompt.format({ topic: '闭包' });
2
const response = await model.invoke(formatted);

这种写法的特点是：

• 你明确控制每一步执行
• 代码强调“先做什么，再做什么”
• 流程是由你手动串起来的

而 LCEL 做了一件本质不同的事情：

👉 它让你描述“数据如何流动”，而不是“代码如何执行”

来看一行关键代码：

1
const chain = prompt.pipe(model);

这不是在“调用 prompt 然后调用 model”，而是在定义：

1
输入 → prompt → model → 输出

你不再关心执行顺序，而是定义了一个数据流结构。

二、LCEL 的核心：Pipe（管道）

.pipe() 的设计灵感来自 Unix 管道：

1
cat file.txt | grep hello | sort

数据像水一样，流经不同处理节点。

LCEL 中也是同样的思想：

1
const chain = prompt.pipe(model);

等价于：

1
输入数据
2
  ↓
3
PromptTemplate（填充变量）
4
  ↓
5
ChatModel（生成回复）
6
  ↓
7
输出结果

你没有写“调用顺序”，但执行顺序已经隐含在结构中。

三、Runnable：一切皆节点

LCEL 能成立的关键，是 LangChain 的一个核心抽象：

👉 所有组件都是 Runnable

包括：

• PromptTemplate
• LLM / ChatModel
• OutputParser
• Chain 本身

它们统一拥有这些方法：

• invoke(input)：单次执行
• stream(input)：流式输出
• batch(inputs)：批量执行

这带来一个非常强大的能力：

👉 任何东西都可以拼接进管道

例如：

1
const chain = prompt
2
  .pipe(model)
3
  .pipe(outputParser);

这不是“三段代码”，而是一个完整的数据处理流水线。

四、自动数据流：背后发生了什么？

当你执行：

1
await chain.invoke({ topic: '闭包' });

内部其实发生了这些事情：

1. 输入进入 PromptTemplate { topic: '闭包' }

2. 自动生成 Prompt "用一句话解释：闭包"

3. Prompt 传递给 Model prompt → ChatModel

4. Model 返回结果 AIMessage { content: "..." }

整个过程你完全没有：

• 手动传递中间变量
• 控制执行顺序
• 管理状态

👉 数据“自己流动”

这就是 LCEL 的本质。

五、命令式 vs 声明式

我们用一个对比来加深理解：

命令式写法（Imperative）

1
const formatted = prompt.format({ topic: '闭包' });
2
const response = await model.invoke(formatted);

特点：

• 强调步骤
• 你控制流程
• 代码容易变复杂

声明式写法（LCEL）

1
const chain = prompt.pipe(model);
2
await chain.invoke({ topic: '闭包' });

特点：

• 强调结构
• 系统控制流程
• 更容易扩展和组合

六、为什么 LCEL 对 Agent 至关重要？

Agent 本质上是一个复杂链条系统：

1
用户输入
2
 → Prompt（理解任务）
3
 → Model（做决策）
4
 → Tool（执行）
5
 → Model（总结）
6
 → 输出

如果用命令式写法，你会得到：

• 大量嵌套调用
• 状态混乱
• 难以维护

而 LCEL 可以这样写：

1
const agentChain = step1
2
  .pipe(model)
3
  .pipe(tool)
4
  .pipe(model);

👉 Agent = 可组合的链

带来的好处：

• 可以随时插入新步骤（如 RAG 检索）
• 每个节点可独立调试
• 链可以复用和嵌套

七、完整示例

1
import { ChatDeepSeek } from '@langchain/deepseek';
2
import { PromptTemplate } from '@langchain/core/prompts';
3
import { StringOutputParser } from '@langchain/core/output_parsers';
4

5
const model = new ChatDeepSeek({
6
  model: 'deepseek-reasoner',
7
  temperature: 0.7
8
});
9

10
const prompt = PromptTemplate.fromTemplate(
11
  "用一句话解释：{topic}"
12
);
13

14
const parser = new StringOutputParser();
15

16
// 构建链
17
const chain = prompt
18
  .pipe(model)
19
  .pipe(parser);
20

21
// 执行
22
const result = await chain.invoke({ topic: "闭包" });
23

24
console.log(result);

数据流结构：

1
input → prompt → model → parser → string

每一段都可以替换、复用、扩展。

八、一句话总结 LCEL

如果你只记住一句话：

👉 LCEL = 用“数据流”替代“控制流”

你不再写程序“怎么执行”， 而是描述“数据如何流经系统”。

九、写在最后：思维的真正升级

很多人学习 LCEL 时卡住，不是因为 API 难，而是因为思维还停留在：

• “我该怎么调用？”
• “下一步我要做什么？”

而 LCEL 要你思考的是：

👉 数据从哪里来？要经过哪些节点？最终变成什么？

一旦你完成这个转变，你会发现：

• 代码更短
• 结构更清晰
• 系统更容易扩展

这不仅是一个 API 的学习，而是一次编程思维的升级。