# 基于langchain配合智谱AI实现图生视频：从批处理到多线程优化实现 在多媒体处理领域，“静态图片生成动态视频”是一个兼具实用性与趣味性的需求——无论是将插画转化为短视频，还是让设计稿呈

从控制流到组合流，深入理解 LangChain 如何用 Runnable 和 LCEL 重塑 LLM 应用的执行方式。

本期分享回顾了LangChain的基本概念、接入大模型和构造链的方法，然后学习了LangChain多轮对话记忆的编写原理，最后通过gradio和多轮对话打造了具备前后端功能的智能机器人。

示例 2 产品信息查询的例子 输出结果为 示例3 产品查询并检查库存的例子 输出结果为 示例4 多步推理和动态Action的例子 用一个父图+多个子图完成复杂的任务 输出结果 父图推理节点负责处理用户

过在和大语言模型对话时，你可能会注意到大语言模型很快就会失忆，本文会详细介绍LangChain中的记忆组件，来实现记忆功能。

LangChain 的 Memory 系统实现了对话历史的维护与注入，支持缓冲、窗口、摘要等多种策略，助力构建具备上下文感知的智能链。

在前面几篇文章中，我们已经掌握了LangChain的核心组件：提示词模板、大语言模型、输出解析器。本文将继续介绍LangChain的LECL表达式用法。

本章将继续讲解如何使用LangChain 构建一个有上下文记忆简单聊天程序并管理对话历史，控制上下文长度。

一、为什么要了解LangChain？ 近两年来，大语言模型（如ChatGPT、DeepSeek、Claude）持续火爆，从写文案、AI绘图，到写代码、AI智能客服，几乎“无所不能”。并且大语言模型的调