02-sequential-chain.ts

顺序链示例，将多个步骤串联起来，前一步的输出作为后一步的输入。

功能介绍

这个示例演示了如何将多个链串联起来，形成更复杂的工作流。第一条链生成文章大纲，第二条链根据大纲写完整文章，整个过程自动执行。

使用场景

• 多步骤内容生成（如先写大纲再写文章）
• 需要分步处理的复杂任务
• 数据转换管道
• 工作流自动化

学习要点

1. 先创建多个独立的子链
2. 使用 .pipe() 将前一个链的输出转换为后一个链需要的输入格式
3. 使用 RunnableLambda.from() 包装自定义转换函数
4. 注意数据传递时的格式匹配
5. 最终的链可以像单个链一样调用 invoke()
6. 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";
import { RunnableLambda } from "@langchain/core/runnables";

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: {
    baseURL: "https://ark.cn-beijing.volces.com/api/coding/v3",
    apiKey: process.env.ZHIPUAI_API_KEY,
  },
});

async function main() {
  try {
    console.log("=== 顺序链示例 ===\n");

    const outlinePrompt = ChatPromptTemplate.fromTemplate(
      "请为主题 '{topic}' 生成一篇文章的大纲。"
    );
    const outlineChain = outlinePrompt
      .pipe(model)
      .pipe(new StringOutputParser());

    const articlePrompt = ChatPromptTemplate.fromTemplate(
      "根据以下大纲写一篇完整的文章：\n\n{outline}"
    );
    const articleChain = articlePrompt
      .pipe(model)
      .pipe(new StringOutputParser());

    const fullChain = outlineChain
      .pipe(RunnableLambda.from((outline: string) => ({ outline })))
      .pipe(articleChain);

    const result = await fullChain.invoke({ topic: "人工智能的未来" });
    console.log(result);
  } catch (error) {
    console.error("Error during sequential chain example:", error);
    process.exit(1);
  }
}

main().catch(console.error);

运行方式

npm run dev src/03-chains/02-sequential-chain.ts