在 LCEL 中，幾乎所有的模塊：

• 提示詞模板
• 模型
• 解析器

都是實現了 Runnable 接口的，可以將這些模塊稱之為 Runnable 類型。這種類型的模塊可以快速插入到鏈條里面。

RunnableLambda

RunnableLambda 是 LangChain.js 提供的一種輕量級工具，它能把 普通函數 封裝成符合 Runnable 接口規范的實例，從而讓該函數能夠無縫參與到 LCEL 的鏈式調用與流式處理流程中。

1. 快速上手案例

   import { RunnableLambda } from "@langchain/core/runnables";
   
   const fn = (text) => {
     return text.toUpperCase();
   };
   
   const runnableFn = RunnableLambda.from(fn);
   
   const res = await runnableFn.invoke("hello");
   
   console.log(res);
   

2. 關鍵詞高亮插件

   閉包 --> *&*閉包*&*

   import { ChatOllama } from "@langchain/ollama";
   import { PromptTemplate } from "@langchain/core/prompts";
   import { StringOutputParser } from "@langchain/core/output_parsers";
   import { RunnableLambda } from "@langchain/core/runnables";
   
   // 1. 創建一個提示詞模板
   const pt = PromptTemplate.fromTemplate("請使用中文解釋下面的概念：{topic}");
   
   // 2. 創建模型
   const model = new ChatOllama({
     model: "llama3",
     temperature: 0.7,
   });
   
   // 3. 解析器
   const parser = new StringOutputParser();
   
   // 4. 創建一個鏈條
   let chain = pt.pipe(model).pipe(parser);
   
   // 5. 創建一個簡單的插件
   const fn = (text) => text.replace(/閉包/g, "*&*閉包*&*");
   const highlight = RunnableLambda.from(fn);
   
   chain = chain.pipe(highlight);
   
   const res = await chain.invoke({
     topic: "閉包",
   });
   
   console.log(res);
   

更多場景：

• 插入日志收集模塊
• 插入翻譯模塊（調用外部 API）
• 插入開關：判斷某個條件是否中斷執行
• 格式調整、結構清洗、敏感詞過濾

pipe() 方法可接受的三種類型：

1. Runnable 實例：這是最常用的，也是最推薦的

2. 普通函數：LCEL 內部會自動用 RunnableLambda.from(fn) 包裝成一個 Runnable。

3. 對象：將上游的輸入（或結果）分別傳給多個 runnable，然后返回一個對象。

   import { ChatOllama } from "@langchain/ollama";
   import { PromptTemplate } from "@langchain/core/prompts";
   import { StringOutputParser } from "@langchain/core/output_parsers";
   import { RunnableLambda } from "@langchain/core/runnables";
   
   // 創建模型
   const model = new ChatOllama({
     model: "llama3",
     temperature: 0.7,
   });
   
   // 解析器
   const parser = new StringOutputParser();
   
   // 創建兩個子鏈
   const chain1 = PromptTemplate.fromTemplate(
     "請用中文用 2-3 句概括以下主題的核心含義：{input}"
   )
     .pipe(model)
     .pipe(parser);
   
   const chain2 = PromptTemplate.fromTemplate(
     "請用中文從以下主題中提取 5 個關鍵詞，以逗號分隔：{input}"
   )
     .pipe(model)
     .pipe(parser);
   
   let chain = RunnableLambda.from((x) => x);
   
   chain = chain.pipe({
     summary: chain1,
     keywords: chain2,
   });
   
   const res = await chain.invoke({
     input: "閉包",
   });
   console.log(res);
   

RunnableMap

RunnableMap（也叫 RunnableParallel），它可以讓多個鏈條 并發執行，并返回一個結構化的對象結果。

RunnableMap.from({ ... }) 會并發執行多個子鏈，并將它們的結果組合成一個對象返回。

import { ChatOllama } from "@langchain/ollama";
import { PromptTemplate } from "@langchain/core/prompts";
import { StringOutputParser } from "@langchain/core/output_parsers";
import { RunnableMap } from "@langchain/core/runnables";

// 創建模型
const model = new ChatOllama({
  model: "llama3",
  temperature: 0.7,
});

// 解析器
const parser = new StringOutputParser();

const chain1 = PromptTemplate.fromTemplate("用中文講一個關于 {topic} 的笑話")
  .pipe(model)
  .pipe(parser);
const chain2 = PromptTemplate.fromTemplate("用中文寫一首關于 {topic} 的兩行詩")
  .pipe(model)
  .pipe(parser);

const chain = RunnableMap.from({
  joke: chain1,
  poem: chain2,
});

const res = await chain.invoke({
  topic: "小狗",
});
console.log(res);

-EOF-