上一章，我们组装了与语言模型交互的基本组成部分：提示、模型和输出解析器。这些组件使得一次性、结构化地调用大型语言模型（LLM）成为可能。然而，大多数应用需要多个步骤。例如，您可能需要先生成一个主题摘要，然后使用该摘要来撰写一篇文章。这就需要将操作串联起来。

LangChain 的“链”正是为此目的而设计。它们提供一个标准化的接口，用于将各个组件连接成逻辑顺序。单次LLM调用可以看作是一个函数 $f$，它接收一个输入并产生一个输出。

$$\text{Output} = f(\text{Input})$$

链允许您组合这些函数，从而创建多步骤的序列，其中一个步骤的输出成为下一个步骤的输入，例如 $g(f(\text{Input}))$。

本章介绍如何构建这些序列。您将学习：

• 使用基本的 LLMChain 来连接模型、提示和解析器。
• 使用 SequentialChain 构建多步骤工作流，以按固定顺序执行操作。
• 借助 RouterChain，将条件逻辑引入工作流，以根据输入选择不同的路径。
• 应用这些结构来构建内容生成流程，作为一项实践练习。