前四篇（03–06）我们把底层 core 的几块积木逐个拆完了：Runnable 协议、LCEL 管道、Prompt 模板、输出解析。这一篇是 Phase 1 的收束——把它们串成一条完整的 Model I/O 链，并加上让这条链「从能跑变成可靠」的工程能力。
这是 Phase 1 的最后一篇，写完它，你对 LangChain 底层这套积木就有完整的认识了。
Model I/O 闭环：三件套的完整链路
把前几篇的积木拼起来，一条完整的 Model I/O 链长这样：
输入(dict) → prompt(渲染消息) → model(生成) → parser(结构化) → 输出(对象)
四个环节，每个都是 Runnable，用管道符 | 串起。注意两端：输入是结构化的 dict，输出也是结构化的对象——中间经过模型这段「自然语言旅程」，但两头都是程序友好的结构。这就是「Model I/O 闭环」的含义。
chain = (
ChatPromptTemplate.from_template("...")
| model.with_structured_output(Order)
)
result = chain.invoke({"question": "怎么退款"})
# result 是 Order 对象，不是文本
串起来容易，难在「可靠」
上面的链在理想情况下能跑。但生产环境从来不是理想情况，一个可靠的 Model I/O 链要处理这些：
- 模型会超时/报错 → 要重试，要换模型兜底
- 模型偶尔不听话 → 输出不符合结构，要处理
- 成本/限流 → 要控制调用频率，别把额度打爆
这些问题不是业务逻辑，但每个 LLM 应用都要处理。好消息是，因为所有组件都是 Runnable，这些工程能力可以统一加在链上，不用每个组件单独写。
工程能力一：重试
模型调用可能因为网络抖动、服务端限流而失败。.with_retry() 给链加上自动重试：
reliable_chain = chain.with_retry(
stop_after_attempt=3, # 最多重试 3 次
wait_exponential_jitter=True # 指数退避 + 抖动
)
重试是加在链这个 Runnable 上的，所以整条链任何一步失败都会触发重试，不用每个组件单独配。
工程能力二：Fallback 兜底
重试解决「偶发失败」，但模型可能彻底挂了或某类请求一直失败。这时候要 fallback——主链失败，自动切到备用链：
chain_with_fallback = chain.with_fallbacks([backup_chain])
典型用法：主链用强模型（贵但好），fallback 用便宜模型兜底；或者主链用结构化输出，fallback 用手写解析兜底。.with_fallbacks() 让「主备切换」变成链的一层配置，而不是业务代码里的 if/else。
重试和 fallback 是两层不同粒度的容错：重试对付「这一次运气不好」，fallback 对付「这条路走不通」。生产链通常两层都加。
工程能力三：限流与并发控制
模型调用是要花钱的，且各家有速率限制。不加控制，一次批量请求可能把额度打爆或触发限流。.batch() 接受并发参数，Runnable 也能接 rate limiter：
# 控制并发，别一次打太多
chain.batch(inputs, max_concurrency=5)
这是 Runnable 协议的又一个红利：因为统一了接口，限流/并发这类横切关注点能统一配置，而不是每个调用点单独写。
一个可靠的 Model I/O 链长什么样
把上面合起来，一条生产可用的 Model I/O 链：
chain = (
ChatPromptTemplate.from_template("...")
| model.with_structured_output(Order)
).with_retry(stop_after_attempt=3).with_fallbacks([cheap_model_chain])
注意这条链的「业务部分」（prompt + model + 结构化输出）和「工程部分」（重试 + fallback）是分层组合的：业务逻辑在内层，工程能力像包装一样裹在外面。改业务不用动容错配置，调容错不用碰业务逻辑。这种分层，正是 Runnable 协议 + LCEL 带来的架构红利。
收束：Phase 1 的句号
这一篇串起了 Model I/O 闭环，也给 Phase 1 画上句号。回顾这 7 篇我们建立的东西：
- 01：为什么需要 LLM 框架（三根价值轴）
- 02：v1.0 三层架构（core / LangGraph / langchain）
- 03：Runnable 协议（统一积木）
- 04：LCEL 管道（组合语法）
- 05：Prompt 模板（输入侧积木）
- 06：输出解析（输出侧积木）
- 07：Model I/O 闭环（串成可靠链）
到这里，底层 core 这套积木你已经认识全了。但前面多次提到，真实的 LLM 应用——尤其是 Agent——不是直线流程，而是有循环、有分支、有中断的图。LCEL 搞不定这些。
所以 Phase 2 我们要进入 LangChain 的真正重心：LangGraph 状态机。下一篇从「为什么需要图」讲起，带你从直线思维切换到图思维。
关于十三Tech
我是十三，All in AI Agent 方向的架构师，专注 AI 工程实践。我相信 AI 是程序员的最佳搭档。
如果你想跟完这套「图解 LangChain」，欢迎关注公众号 「十三Tech」。全系列 42 篇，会按认识基础、LangGraph 状态机、Agent 与 middleware、RAG 检索、Tools/MCP/记忆、生产化收束这条线更新。
