🧠 图解记忆： LangChain 把模型、提示词、检索与工具组件化，Chain 把它们串成可复用流程。
💡 答案要点
LangChain 核心组件：
| 组件 | 作用 | 示例 |
|---|---|---|
| LLM | 模型抽象层 | ChatOpenAI、ChatAnthropic |
| Prompt | 提示词模板 | ChatPromptTemplate |
| Chain | 任务编排 | LLMChain、SequentialChain |
| Agent | 自主决策 | AgentExecutor |
| Memory | 对话记忆 | ConversationBufferMemory |
| Retriever | 文档检索 | VectorStoreRetriever |
| VectorStore | 向量存储 | Chroma、Milvus、FAISS |
Chain 使用示例：
python
from langchain.chains import LLMChain
from langchain.prompts import ChatPromptTemplate
from langchain.chat_models import ChatOpenAI
# 1. 定义 Prompt 模板
prompt = ChatPromptTemplate.from_template(
"你是一个{role}。请回答以下问题：{question}"
)
# 2. 创建 LLMChain
chain = LLMChain(
llm=ChatOpenAI(model="gpt-4o"),
prompt=prompt
)
# 3. 执行
result = chain.run(role="客服助手", question="如何退款？")
print(result)面试话术：
"LangChain 的核心价值是抽象和编排。我用 LLMChain 封装了 Prompt + LLM，用 SequentialChain 编排多步任务，用 AgentExecutor 实现自主决策。这样代码更模块化，容易测试和维护。"