用途：面向 Python 工程师，讲解如何用 LangChain 1.0 的 LCEL 组合原语搭建多阶段链，并解决字典形状不匹配导致的深层 KeyError（痛点 P06）与 AgentExecutor 静默吞错（P09）。
主要能力：RunnableParallel 做扇出并发（如稠密向量检索与 BM25 并行，典型 2–3 倍墙钟收益）；RunnableBranch 按输入条件路由，必须提供默认分支；RunnablePassthrough.assign 在不丢失原输入的前提下合并计算字段，用于分阶段上下文组装；RunnableLambda 主要用于调试探针（每次调用开销小于 1ms），不建议承载真实逻辑。类型化组合用 RunnableSerializable[InputT, OutputT] 配合 pydantic BaseModel，可在 lint 阶段发现形状错误。
使用方式：安装 langchain-core >= 1.0, < 2.0、pydantic >= 2.0，Python 3.10+，并至少安装一个聊天模型提供方。在每两个阶段之间插入探针定位形状变化；用 .assign 逐步扩展字典；用 RunnableBranch((cond, ch), ..., default) 路由。代理循环改用 LangGraph 的 create_react_agent，工具错误默认抛出。
适用场景：RAG 混合检索与分阶段上下文组装、分类器门控路由、客服分流、带引用的结构化输出。
限制：RunnableLambda 会降低 LangSmith 追踪保真度；RunnableParallel 分支需无副作用；未提供默认分支会静默穿透；具体模型与检索器实现、性能数据以外的收费信息暂未提供。