如何在 LangChain 0.3+ 中正确替代已弃用的 LLMChain-Python教程-PHP中文网

如何在 LangChain 0.3+ 中正确替代已弃用的 LLMChain

本文详解 langchain 0.1.17+ 中 llmchain 被弃用后的迁移方案，提供兼容性封装与原生推荐写法（prompt | llm），并给出可直接运行的重构代码、调用示例及关键注意事项。

本文详解 langchain 0.1.17+ 中 llmchain 被弃用后的迁移方案，提供兼容性封装与原生推荐写法（prompt | llm），并给出可直接运行的重构代码、调用示例及关键注意事项。

LangChain 自 v0.1.17 起正式弃用 LLMChain 类（将在 v1.0 中彻底移除），官方明确推荐使用 Runnable 组合范式 —— 即通过管道操作符 | 将 ChatPromptTemplate 与 LLM 实例链式组合，形成 RunnableSequence。这不仅更符合 LangChain 的新架构设计（统一 Runnable 接口），也提升了可测试性、可组合性与类型安全性。

✅ 推荐做法：使用 `prompt | llm`（原生、简洁、未来兼容）

将原有 _create_chain 方法完全重构为返回一个 Runnable 实例：

from langchain_core.prompts import ChatPromptTemplate
from langchain_core.runnables import Runnable

def _create_chain(self, template: str) -> Runnable:
    prompt = ChatPromptTemplate.from_template(template)
    # ✅ 正确方式：返回 prompt | llm（自动推导为 RunnableSequence）
    return prompt | self.llm

调用时，不再使用 .run()，而是统一使用 .invoke()（支持异步的 .ainvoke()）：

chain = self._create_chain("请用一句话解释 {topic}。")
result = chain.invoke({"topic": "LangChain"})
# result 是 AIMessage 对象（若使用 ChatModel）或 str（若使用 LLM）
print(result.content if hasattr(result, "content") else result)

? 提示：prompt | llm 返回的是 RunnableSequence[dict, BaseMessage | str]，其输入为字典（如 {"topic": "xxx"}），输出取决于 LLM 类型（ChatModel → AIMessage；LLM → str）。如需强制转为字符串，可追加 .get_content() 或使用 StrOutputParser：
from langchain_core.output_parsers import StrOutputParser
chain = prompt | self.llm | StrOutputParser()

⚠️ 兼容性方案（临时过渡，不推荐长期使用）

若项目规模大、改造成本高，可自行定义轻量级 LLMChain 作为过渡层（注意：它不是真正等价替代，仅解决 import 和基础调用问题）：

# llm_chain.py
from langchain_core.prompts import ChatPromptTemplate
from langchain_core.runnables import RunnableSequence
from langchain_core.output_parsers import StrOutputParser

class LLMChain:
    def __init__(self, llm, prompt: ChatPromptTemplate):
        self.chain = prompt | llm | StrOutputParser()  # 默认输出字符串

    def invoke(self, input_dict: dict, **kwargs):
        return self.chain.invoke(input_dict, **kwargs)

    # 可选：模拟旧版 .run() 行为（兼容老代码）
    def run(self, **kwargs):
        return self.invoke(kwargs)

然后替换导入：

# ❌ 旧导入（报错）
# from langchain.chains import LLMChain

# ✅ 新导入（指向自定义封装）
from .llm_chain import LLMChain  # 注意路径

? 关键注意事项

LLMChain 已无 .run() 方法：所有 Runnable 均统一使用 .invoke() / .ainvoke() / .batch()；
类型提示更严格：prompt | llm 返回 Runnable[dict, BaseMessage]，需显式处理输出结构（如用 StrOutputParser 或 AIMessage.content）；
避免混用旧/新范式：不要在同一个链中混合 LLMChain(...).run() 和 prompt | llm | parser，会导致行为不一致；
调试建议：使用 .get_graph().print_ascii() 可视化链结构，确认是否为预期的 RunnableSequence。

✅ 总结

方式	推荐度	适用场景	维护成本
`prompt \| llm \| parser`（原生 Runnable）	⭐⭐⭐⭐⭐	新项目、中长期维护	极低（LangChain 官方主推）
自定义 `LLMChain` 封装类	⭐⭐☆	紧急过渡、遗留系统灰度升级	中（需自行维护解析逻辑）
强制降级 LangChain 版本	⚠️	绝对不推荐	极高（丧失安全更新与新特性）