01-llm-chain.ts

使用 LCEL 构建基本的 LLM 链，将提示模板、模型和输出解析器串联起来。

功能介绍

这个示例演示了如何使用 LangChain Expression Language (LCEL) 的 .pipe() 语法来构建基本的链。链将提示模板、模型调用和输出解析器组合成一个可重用的工作流。

使用场景

• 标准化的问答任务
• 需要重复执行相似流程的任务
• 简单的文本生成应用
• 链式调用的基础构建块

学习要点

1. 使用 .pipe() 方法串联组件
2. promptTemplate.pipe(model).pipe(parser) 的基本链式结构
3. 使用 chain.invoke() 传入输入并执行整个链
4. StringOutputParser 将模型输出转换为字符串
5. 进行环境变量检查和错误处理

源码

import "dotenv/config";
import { ChatOpenAI } from "@langchain/openai";
import { ChatPromptTemplate } from "@langchain/core/prompts";
import { StringOutputParser } from "@langchain/core/output_parsers";

if (!process.env.ZHIPUAI_API_KEY) {
  throw new Error("ZHIPUAI_API_KEY is not set in environment variables");
}

const model = new ChatOpenAI({
  model: "DeepSeek-V4-Pro",
  temperature: 0.7,
  configuration: {
    // 火山方舟 ARK 端点（OpenAI 兼容）
    baseURL: "https://ark.cn-beijing.volces.com/api/coding/v3",
    apiKey: process.env.ZHIPUAI_API_KEY,
  },
});

async function main() {
  try {
    console.log("=== LLMChain（使用 LCEL）示例 ===\n");

    const promptTemplate = ChatPromptTemplate.fromTemplate(
      "你是一个专业的厨师。请提供一个 {dish} 的做法。"
    );

    const chain = promptTemplate
      .pipe(model)
      .pipe(new StringOutputParser());

    const result = await chain.invoke({ dish: "番茄炒蛋" });
    console.log(result);
  } catch (error) {
    console.error("Error during LLM chain example:", error);
    process.exit(1);
  }
}

main();

运行方式

npm run dev src/03-chains/01-llm-chain.ts