LangChain Chain 实战：串联多个 AI 任务

单个 AI 搞不定复杂任务？用 Chain 串联多个 AI，自动完成多步骤工作流！

为什么需要 Chain？

场景：写一篇文章

步骤 1：生成大纲
步骤 2：扩充内容
步骤 3：润色文字
步骤 4：生成标题

手动搞？太累！用 Chain 自动串联！

🛠️ 3 种 Chain 详解

1. LLMChain（最基础）

python 复制代码

from langchain.chains import LLMChain
from langchain_openai import ChatOpenAI
from langchain.prompts import PromptTemplate

llm = ChatOpenAI(model="gpt-3.5-turbo")

prompt = PromptTemplate(
    input_variables=["topic"],
    template="写一篇关于{topic}的 200 字介绍"
)

chain = LLMChain(llm=llm, prompt=prompt)
result = chain.run("人工智能")
print(result)

2. SequentialChain（顺序执行）

python 复制代码

from langchain.chains import SequentialChain, LLMChain

# 链 1：生成大纲
outline_prompt = PromptTemplate(
    input_variables=["topic"],
    template="为{topic}生成一个文章大纲"
)
outline_chain = LLMChain(llm=llm, prompt=outline_prompt, output_key="outline")

# 链 2：扩充内容
content_prompt = PromptTemplate(
    input_variables=["topic", "outline"],
    template="根据大纲{outline}，写一篇关于{topic}的文章"
)
content_chain = LLMChain(llm=llm, prompt=content_prompt, output_key="content")

# 链 3：生成标题
title_prompt = PromptTemplate(
    input_variables=["content"],
    template="为以下文章生成 3 个吸引人的标题：\n{content}"
)
title_chain = LLMChain(llm=llm, prompt=title_prompt, output_key="titles")

# 串联
sequential_chain = SequentialChain(
    chains=[outline_chain, content_chain, title_chain],
    input_variables=["topic"],
    output_variables=["outline", "content", "titles"],
    verbose=True
)

result = sequential_chain({"topic": "Python 自动化办公"})
print(f"大纲：{result['outline']}")
print(f"标题：{result['titles']}")

3. TransformChain（数据转换）

python 复制代码

from langchain.chains import TransformChain

def transform_func(inputs: dict) -> dict:
    text = inputs["text"]
    word_count = len(text.split())
    return {"output": f"这篇文章有{word_count}个字"}

transform_chain = TransformChain(
    input_variables=["text"],
    output_variables=["output"],
    transform=transform_func
)

result = transform_chain({"text": "你好世界"})
print(result["output"])  # 这篇文章有 2 个字

🎯 完整项目：文章生成器

python 复制代码

"""
AI 文章生成器
功能：
1. 生成大纲
2. 扩充内容
3. 润色文字
4. 生成标题
5. 输出 Markdown 格式
"""

from langchain.chains import SequentialChain, LLMChain
from langchain_openai import ChatOpenAI
from langchain.prompts import PromptTemplate
import json

class ArticleGenerator:
    def __init__(self):
        self.llm = ChatOpenAI(model="gpt-3.5-turbo", temperature=0.7)
        self._create_chains()
    
    def _create_chains(self):
        """创建各个 Chain"""
        # 1. 大纲生成
        outline_prompt = PromptTemplate(
            input_variables=["topic"],
            template="""
为"{topic}"生成一个详细的文章大纲。
要求：
- 包含 5-7 个主要章节
- 每个章节有 2-3 个子要点
- 用 Markdown 格式输出

大纲：
"""
        )
        self.outline_chain = LLMChain(
            llm=self.llm,
            prompt=outline_prompt,
            output_key="outline"
        )
        
        # 2. 内容生成
        content_prompt = PromptTemplate(
            input_variables=["topic", "outline"],
            template="""
根据以下大纲，写一篇关于"{topic}"的完整文章。
要求：
- 2000 字以上
- 语言通俗易懂
- 包含实际案例
- 用 Markdown 格式

大纲：
{outline}

文章：
"""
        )
        self.content_chain = LLMChain(
            llm=self.llm,
            prompt=content_prompt,
            output_key="content"
        )
        
        # 3. 润色优化
        polish_prompt = PromptTemplate(
            input_variables=["content"],
            template="""
润色以下文章：
- 修正语法错误
- 优化句子流畅度
- 增强可读性
- 保持原意

原文：
{content}

润色后：
"""
        )
        self.polish_chain = LLMChain(
            llm=self.llm,
            prompt=polish_prompt,
            output_key="polished"
        )
        
        # 4. 标题生成
        title_prompt = PromptTemplate(
            input_variables=["content"],
            template="""
为以下文章生成 5 个吸引人的标题：
- 每个标题 20 字以内
- 有吸引力但不夸张
- 包含关键词

文章：
{content}

标题（每行一个）：
"""
        )
        self.title_chain = LLMChain(
            llm=self.llm,
            prompt=title_prompt,
            output_key="titles"
        )
        
        # 5. 串联所有 Chain
        self.full_chain = SequentialChain(
            chains=[
                self.outline_chain,
                self.content_chain,
                self.polish_chain,
                self.title_chain
            ],
            input_variables=["topic"],
            output_variables=["outline", "content", "polished", "titles"],
            verbose=True
        )
    
    def generate(self, topic, save_path=None):
        """生成文章"""
        print(f"📝 开始生成关于"{topic}"的文章...")
        
        # 执行 Chain
        result = self.full_chain({"topic": topic})
        
        # 格式化输出
        article = {
            "topic": topic,
            "outline": result["outline"],
            "content": result["polished"],
            "titles": result["titles"].split("\n"),
            "created_at": "2026-06-17"
        }
        
        # 保存
        if save_path:
            with open(save_path, 'w', encoding='utf-8') as f:
                json.dump(article, f, ensure_ascii=False, indent=2)
            print(f"✅ 文章已保存到 {save_path}")
        
        return article

def main():
    generator = ArticleGenerator()
    
    topic = input("请输入文章主题：")
    article = generator.generate(topic, save_path="article.json")
    
    print("\n" + "="*60)
    print("📄 生成的文章")
    print("="*60)
    print(f"主题：{article['topic']}")
    print(f"\n推荐标题：")
    for i, title in enumerate(article['titles'][:3], 1):
        print(f"  {i}. {title}")
    print(f"\n大纲：\n{article['outline']}")
    print(f"\n正文（前 500 字）：\n{article['content'][:500]}...")

if __name__ == '__main__':
    main()

⚠️ 血泪教训

Chain 不要太长，超过 5 步容易出错
每步要验证，中间结果可能有问题
温度值调低，Chain 里需要稳定性
保存中间结果，调试时很有用

📦 源码获取

下篇预告：《LangChain Agent 入门：让 AI 自主调用工具》

标签: #LangChain #Chain #AI #自动化 #Python