LangChainJS Runnable详解：第三篇核心用法

在前几篇文章中，我们详细探讨了如何使用 LangChain 调用大模型以及编写提示词，接下来将进入核心环节——Chain 链。Chain 链作为 LangChain 的关键机制，能够帮助开发者快速搭建标准化的 AI 工作流，让数据在各个组件之间自动流转，无需手动传递，既高效又省力。

不过在深入 Chain 链之前，首先需要理解 Runnable 这个抽象类。它是所有链条的基础，没有它，链条就无法构建。下面我们将对 Runnable 进行详细拆解。

Runnable 究竟是什么？

简单来说，Runnable 是一套标准接口，它使得提示词模板、大模型、输出解析器等各种组件能够以统一的方式被调用和组合。Runnable 本身是一个抽象类，不能直接实例化，我们日常开发中使用的都是它的具体实现类。

例如，下面代码中的 RunnableLambda 就是 Runnable 的一个实现：

const transformInput = RunnableLambda.from((input: { text: string }) => ({text: input.text,wordCount: input.text.split(/s+/).length,characterCount: input.text.length,
}));
// 这里是 Chain 链调用，下一章会聊到
const chain = transformInput.pipe(promptTemplate).pipe(model).pipe(new StringOutputParser());
const text = `LangChain 是一个用于开发由语言模型驱动的应用程序的框架。它提供了一套丰富的工具和组件，使得构建复杂的 LLM 应用变得更加容易。无论是简单的聊天机器人还是复杂的智能袋里，LangChain 都能帮你实现。`.trim();
const result = await chain.invoke({ text });

这里 RunnableLambda.from 接收一个普通匿名函数作为参数，返回一个全新的、支持 Runnable 规范的对象 transformInput。这个对象就能直接用在 Chain 链里了。如果是普通函数，肯定不支持链式调用，但经过 RunnableLambda 一转换，它就变成了一个“Runnable 兼容”的组件。

通用插头

一个 Runnable 对象提供了多种执行方式，能够灵活应对不同的业务场景：

• invoke / ainvoke：最基础的调用方式，输入一个参数，返回完整的输出结果。同步与异步版本均支持。
• batch / abatch：批量处理多个输入，显著提升执行效率。Runnable 接口内部已内置了优化的并行处理能力。
• stream / astream：流式处理，在输出生成的同时逐步返回结果。在聊天类应用中尤为实用，可实现类似“打字机”的实时效果。

// 使用 invoke 返回完整的输出
const result = await runnable.invoke({ topic: "人工智能的未来" });
console.log(result);

// 使用 batch 批量处理多个输入
const runnableInput = RunnableLambda.from(text: string): string => text.toUpperCase());
const inputs = ["hello", "world", "langchain"];
const results = await runnableInput.batch(inputs);

// 使用 stream 逐字输出结果
const result = await runnable.stream({ question: "LangChain是什么" });
for await (const chunk of result) {
    process.stdout.write(chunk); // 会像打字一样，逐字输出
}

Runnable 组件

除了模型、提示词等基础组件本身已经实现了 Runnable 接口，LangChain 还内置了多个专用的 Runnable 类，用于处理更复杂的逻辑：

• RunnableSequence：按顺序执行一组 Runnable，上一个的输出自动成为下一个的输入。通过 | 创建的链，本质上就是此类。
• RunnableParallel：并行执行多个 Runnable，适用于需要同时获取多维度信息的场景。
• RunnableLambda：将任意普通函数转换为 Runnable，便于在链条中插入自定义逻辑。
• RunnablePassthrough：透传数据，常用于在链条中传递或附加额外的上下文信息。
• RunnableBranch：实现条件分支逻辑，根据输入动态选择要执行的 Runnable。

总结

以上就是 Runnable 的核心内容。随着 AI 编程工具日益强大，在日常开发中理解这些底层原理依然具有重要价值：当你阅读 AI 生成的代码时，不仅能明白它“在做什么”，更能理解它“为什么这么写”。