在 LangChain 里，链式调用构建完成后有多种调用方式，invoke 方法就是其中之一，下面为你详细介绍常见的调用方法。

1. 使用 __call__ 语法（直接调用链对象）

这是最常用且直观的调用方式，就像调用普通函数一样调用链对象。示例如下：

from langchain.llms import OpenAI
import os# 设置 OpenAI API 密钥
os.environ["OPENAI_API_KEY"] = "your_openai_api_key"# 自定义检查重复项的函数
def check_duplicated(input_dict):text = input_dict.get('text', '')return {'text': text}# 初始化语言模型
model = OpenAI()# 自定义解析器函数
def parser(model_output):return model_output.strip()# 构建链式调用
is_duplicated_chain = (check_duplicated | model | parser)# 准备输入数据
input_data = {'text': '请介绍一下人工智能的发展历程'}# 直接调用链对象
output = is_duplicated_chain(input_data)
print(output)

在上述代码中，is_duplicated_chain(input_data) 其实是调用了链对象的 __call__ 方法。

2. 使用 invoke 方法

invoke 方法和直接调用链对象在功能上基本一致，同样可以用来触发链式调用。示例如下：

# ... 前面的代码保持不变 ...# 使用 invoke 方法调用链
output = is_duplicated_chain.invoke(input_data)
print(output)

invoke 方法在某些场景下会更具灵活性，比如你可能需要在调用时传入额外的参数，不过目前的链式调用实现中，这两种方式的核心功能是相同的。

3. 使用 apply 方法（针对批量输入）

如果你有多个输入需要批量处理，就可以使用 apply 方法。该方法接收一个输入列表，然后依次对列表中的每个输入执行链式调用，并返回一个输出列表。示例如下：

# ... 前面的代码保持不变 ...# 准备批量输入数据
input_list = [{'text': '请介绍一下人工智能的发展历程'},{'text': '机器学习有哪些常见算法'}
]# 使用 apply 方法批量调用链
output_list = is_duplicated_chain.apply(input_list)
for output in output_list:print(output)

apply 方法会自动遍历输入列表，对每个输入执行链式调用，最后将所有输出收集到一个列表中返回。

总结

• __call__ 语法：最常用，调用方式简洁直观，适用于单个输入的情况。
• invoke 方法：和直接调用链对象功能类似，在某些场景下可能更具灵活性。
• apply 方法：用于批量处理多个输入，能提高处理效率。