用途：提供最小可运行的 LangChain 示例，演示 LCEL（LangChain Expression Language）的 .pipe() 链式语法，这是 LangChain 应用的基础。适用于开始新的 LangChain 集成、测试环境配置或学习 LCEL 管道语法。
前提条件：需先完成 langchain-install-auth 配置，并配置有效的 LLM 提供商 API 密钥。
主要能力（示例）：
- 最简链（TypeScript）：由 prompt、model、parser 三部分组成，用 .pipe() 串联，如 prompt.pipe(model).pipe(parser)，再调用 chain.invoke({ topic: "TypeScript" })。
- 带系统提示的对话：用 ChatPromptTemplate.fromMessages 定义 system 与 human 消息，再串联模型与 StringOutputParser。
- 结构化输出：结合 Zod 定义 schema，使用 model.withStructuredOutput(ReviewSchema) 获得结构化结果。
- 流式输出：调用 chain.stream({ topic: "coding" })，用 for await 逐块输出。
- Python 等价写法：LCEL 在 Python 中使用 | 运算符，如 chain = prompt | model | parser，再 chain.invoke({"topic": "LangChain"})。
LCEL 工作原理：链中每个组件都实现 Runnable 接口，提供 .invoke(input)（单输入单输出）、.batch(inputs)（批量处理）、.stream(input)（流式输出）、.pipe(next)（串联下一个 Runnable）。.pipe()（Python 中为 |）创建 RunnableSequence，每一步的输出作为下一步的输入；提示、模型、解析器、检索器等都是 Runnable。
常见错误与修复：模板变量未出现在 invoke 参数中会报 Missing value for input topic，需让 invoke({}) 的键与模板 {variables} 匹配；未 await 链会报 Cannot read properties of undefined，需在 .invoke() 前加 await；触发速率限制时，可增加延迟或在测试时使用 gpt-4o-mini。
后续步骤：可继续学习 langchain-core-workflow-a 进行高级链组合。
限制：资料未提供该技能的安装命令、收费方式、支持平台及具体版本要求，暂未提供相关信息。