2026 LangChain RAG教程：chains模块消失后，管线怎么重写

2026-10-22 约 29 分钟阅读

以langchain.chains导入开头的RAG教程，在1.4.6上必然报ModuleNotFoundError。这里给重写后的管线：三组切分参数的实测块数，加一个hit@4循环，先分清是检索坏了还是生成坏了。

💡 你将学到

📜 目录

干净环境里到底装了什么
旧import为什么装了classic还是失败
切分：先量一次再定参数
检索链就是四个runnable
先给检索打分，再改prompt
换Postgres不动链路
什么时候不该用这个框架
常见问题
chains模块为什么直接删掉而不是标废弃？
块大小从多少开始？
要不要加重排？

把任何一篇RAG教程粘进新终端，第一行就挂：ModuleNotFoundError: No module named 'langchain.chains'。这不是教程写错了，而是你装的是langchain==1.4.6，代码却是0.x时代写的——那会儿检索链住在langchain.chains里，这个模块现在没了。所有以from langchain.chains import create_retrieval_chain开头的文章，今天照抄都跑不通。

下面是按今天PyPI上真实存在的版本重写的管线，顺手补上多数教程跳过的部分：切分到底切出了什么（实测数字）、在怪模型之前怎么先给检索打分、旧import究竟藏在哪里。

干净环境里到底装了什么

2026年10月22日在Python 3.11新建虚拟环境实测：langchain 1.4.6、langchain-core 1.6.12、langchain-text-splitters 1.1.3、langchain-openai 1.7.2、langchain-postgres 0.0.19、langchain-classic 1.0.8。langchain要求Python >=3.10,<4.0，3.9环境装不上；文本切分器已经是独立包，装完langchain却没有RecursiveCharacterTextSplitter，就是漏了langchain-text-splitters。

旧import为什么装了classic还是失败

装上langchain-classic之后还得往下走一层。包根langchain_classic.chains只暴露了一个导入垫片，from langchain_classic.chains import create_stuff_documents_chain照样报ImportError。正确路径是langchain_classic.chains.combine_documents与langchain_classic.chains.retrieval。

切分：先量一次再定参数

用5600字符纯文本实测三组参数：1000/200切出7块，平均969字符，最短829；500/50切出13块，平均473，最短只有210；300/30切出21块，平均288。最大块永远不会超过chunk_size，但最小块可能只有目标的一半——切分器优先在段落边界断开，不肯为了填满预算牺牲语义。默认分隔符顺序是空行、换行、空格、硬切。所以文档里一个短小节就会产生一块没信息量的碎片，它嵌入之后是纯噪声，还会挤掉本该进top-k的好块。

比尺寸更值得写的两个参数：add_start_index=True给每块留下源文件字符偏移，引用时能说出「第4180字符」而不是只报文件名；入库前丢掉100字符以下的块，那些基本都是标题或表格残片。

检索链就是四个runnable

不需要chains模块：向量库、格式化函数、prompt、模型。核心形态是{"context": retriever | format_docs, "question": RunnablePassthrough()} | prompt | ChatOpenAI(...) | StrOutputParser()。InMemoryVectorStore在langchain_core里，不依赖外部服务，还带similarity_search_with_score和max_marginal_relevance_search。超过几千个块就换langchain_postgres.PGVector，检索器接口不变。

先给检索打分，再改prompt

很多人调RAG的第一反应是重写system prompt。这等于假设「正确段落已经在上下文里」，而这个假设恰恰该先验证。20道带标注的问题就够：每题配一个只出现在正确块里的短语，跑retriever.invoke看它排第几位，算hit@4和MRR。

hit@4低于0.7：答案文本根本没进模型，改prompt没用。调块大小、加元数据过滤、上重排。
hit@4高但答案还错：问题在生成环节，按prompt、模型、k的顺序查。
hit@4正常但MRR很低：正确块排在第4位而不是第1位，四个槽位里有三个在浪费。

换Postgres不动链路

内存库一重启就没了，上线只需换构造器：PGVector(embeddings=..., collection_name="handbook", connection="postgresql+psycopg://...", use_jsonb=True)，0.0.19版本提供from_documents、from_texts、add_documents与as_retriever。collection_name要跨部署保持稳定；换嵌入模型时必须同时换collection名，两个嵌入空间混在一个集合里会悄悄毁掉相似度打分。

什么时候不该用这个框架

上面这条管线用LangChain大约40行；用httpx加Postgres客户端自己写大约120行，全部代码自己掌握，不吃版本更新。真正该用LangChain的理由是生态：十几种文档加载器、parent-document与multi-query这类检索器、1.x的agent middleware。如果系统只是「一个索引加一批文档」，这个框架就是你每次升级都要重读release note的依赖。