LangChain 的链类型丰富多样，可根据具体需求灵活组合，类型包括基础链(LLMChain、SequentialChain)、路由链(RouterChain)、检索链(RetrievalQA、VectorDBQA)、记忆链(
ConversationChain)、对话链(ChatVectorDBChain)、工具链(TransformChain、LLMCheckerChain)和自定义链等。
有时更新不及时，最新的文章和动态请关注公众号：我和AI的成长
最基础的链，它把提示模板（PromptTemplate）和大语言模型（LLMs）结合在一起。其工作流程是，先根据提示模板生成输入文本，再将该文本传递给大语言模型，最后得到输出结果。如上一篇提示词文章中的示例，
通过链(Chain)动态生成提示，可结合不同组件的输出。
通过前置链生成上下文，再结合主提示提升准确性。
代码示例如下：
2.
SequentialChain
(
顺序链)
顺序链形式，
将多个链按顺序连接起来，
每个步骤都有输入和输出，
前一个链的输出会作为后一个链的输入。顺序链包括：SimpleSequentialChain(单输入单输出，所有链必须匹配输入 / 输出格式)和 SequentialChain(多输入多输出，可指定特定的输入 / 输出变量)
2.1 SimpleSequentialChain
步骤2：输入B → 输出C
步骤3：输入C → 输出D
代码示例如下：
更灵活的顺序链形式，
当链需要多个输入变量时，
可以指定完整的输入输出变量映射。
需要访问中间步骤的输出结果时可保留所有中间结果。支持更复杂的
数据流模式。
如以下步骤：
路由链（Router Chain）是一种特殊的链结构，
能够依据输入内容，
把请求导向不同的子链，
动态地选择合适的子链来处理任务。适用于
多领域问答系统（如区分科学、历史、技术问题等）。路由链工作原理和步骤包括：
接收用户的输入、运用路由逻辑(可以是基于规则的，也可以是由 LLMs 驱动的)来分析输入、依据分析结果，选择对应的子链、将输入传递给选中的子链进行处理、返回子链的处理结果。常用的类型包括:
A. RouterChain
它是路由链的核心抽象类，定义了基本接口，负责接收输入并将其路由到合适的子链。
通常需要和下游的 destination chain（目标链）一起使用，形成 “一个网关路由 + 多个下子链” 的架构。该类
不提供具体的路由逻辑，
子类需要自己实现来决定如何将输入路由到不同的子链，实际使用时需要结合具体的路由逻辑来实现。
B. MultiPromptChain
用于在多个提示词之间路由输入，内部维护着一个提示选择器（PromptSelector），
它包含一个提示列表和一个路由逻辑，它根据输入内容挑选出最匹配的提示模板，
能够将输入映射到对应的提示和链上进行处理。
C. MultiRouteChain
提供多路由能力的基类，实现了基本的路由逻辑框架，但需要子类提供具体的路由策略。
D. LLMRouterChain
它利用语言模型（LLM）来生成路由决策。
使用时需要传入作为基底的大语言模型和用作路由的prompt，
包含对用户输入的解析、对路由的指引。
通过对输入进行分析，预测出合适的子链或者工具。
LangChain提供了丰富的链类型，从简单的 LLM 调用到复杂的代理系统，覆盖了各种应用场景。在实际开发中，应根据任务需求选择合适的链类型，遵循 "从简单到复杂" 的原则，合理组合现有组件，并在必要时自定义链以满足特定需求。通过遵循最佳实践，可以构建出高效、可维护、更强大且安全的 LLM 应用。
来自 “ ITPUB博客 ” ，链接：https://blog.itpub.net/70046654/viewspace-3095123/
，如需转载，请注明出处，否则将追究法律责任。
