标准回答
Chain（链）是 LangChain 的核心抽象：把一步或多步对 LLM 的调用以及前后处理串接成一个可复用、可调用的流程。
为什么需要 Chain
单次调用模型只能完成"输入 prompt → 输出文本"。但真实任务往往是多步的：先填模板、再调模型、再解析输出、可能还要先检索资料或先路由判断。Chain 把这些步骤封装成一个有明确输入输出的整体，可被复用、嵌套和组合。
常见类型
- LLMChain：最基础的链，把"提示模板 + 模型"绑成一步调用，是其它复杂链的构件。注意：它已被 LCEL 的 prompt | model 写法取代。
- SequentialChain：把多个子链按顺序串联，前一步输出作为后一步输入，适合"先总结再翻译再润色"这类多阶段流程。
- RouterChain：根据输入内容动态路由到不同的子链，比如把数学问题、写作问题、代码问题分发给各自专精的提示与模型。
- RetrievalQA：RAG 问答链，先从向量库检索相关文档，再把文档与问题拼进提示交给模型作答，是知识库问答的标准模式。
- ConversationChain：带 Memory 的对话链，自动在每轮把历史上下文回填进提示，实现连贯多轮对话。
2026 现状
上述这些具体 Chain 子类多数已被标记为旧式用法。官方推荐改用 LCEL 用管道把 Runnable 组合起来：例如 RetrievalQA 现在写成 retriever | prompt | model | parser 风格的链；SequentialChain 直接用 | 顺序连接；路由用 RunnableBranch 表达。这样能复用 LCEL 统一的流式、异步、批量、重试与可观测能力，比硬编码 Chain 更灵活。所以回答时要点明"概念上叫 Chain，但落地优先用 LCEL 组合"。
常见误区
⚠️ 常见踩坑
把各种具体 Chain 类（如 LLMChain、RetrievalQA）当成必须记的"标准 API"；2026 它们多已是旧式写法，面试更看重你理解 Chain 的编排思想并能用 LCEL 组合 Runnable 实现等价能力。
追问
追问 1：SequentialChain 和直接用 LCEL 的 | 串联有什么区别？
本质都是顺序编排，但 LCEL 更轻量灵活。旧的 SequentialChain 需要显式声明每步的输入输出键名、做键映射，配置繁琐；LCEL 用 prompt | model | parser 直接以管道连接，上一步输出自动成为下一步输入，还顺带获得流式、异步、批量和重试能力。需要在步骤间重组数据时配合 RunnablePassthrough/字典即可，比 SequentialChain 的键映射直观得多。
追问 2：RetrievalQA 链内部大致是怎么工作的？
先用检索器（基于向量库）对用户问题做相似度检索，取回 top-k 相关文档片段；再按某种"文档合并"策略（如 stuff 直接拼接、map_reduce 分别处理再汇总、refine 迭代精炼）把文档与问题填入提示模板；最后交给 LLM 生成带依据的答案。它本质就是 RAG 的标准封装，用 LCEL 重写时就是 retriever 取文档、与问题一起进 prompt、再过 model 和解析器。
追问 3：路由（RouterChain）在 LCEL 里怎么实现？
用 RunnableBranch，按一组"条件 → 对应子链"规则匹配：可以先用一个轻量 LLM 或规则对输入分类，再根据分类结果路由到数学链、代码链或通用链。相比旧 RouterChain，LCEL 的分支写法把判断逻辑和子链都表达成 Runnable，组合统一、可观测，也更容易加默认兜底分支。
🔗 相似问题
同一考点的不同问法，面试官可能换着问，一起刷更稳
没找到想看的面试题？把你想看的告诉我们 →
延伸学习
按主题分类的相关资源，便于系统复习