链其实可以被视为LangChain中的一种基本功能单元。比如最常用到的LLM，在使用时，会把格式化简，让代码的可读性大大提升，但基本的数据定义不会减少。
LangChain中有多种chain，每种chain都有其特定的用途和实现方式，下面列举了几个用的较多的链。
LLMChain：这是LangChain中最基本的chain之一，由一个PromptTemplate和一个语言模型组成。它接受用户输入，使用PromptTemplate进行格式化，然后将格式化后的响应传递给LLM。LLMChain广泛应用于聊天机器人、智能问答工具、文档分析和摘要、代码分析等领域。
SequentialChain：这是一个更复杂的链，允许开发者定义多个链并将它们链接在一起。SequentialChain可以将一个链的输出作为下一个链的输入，从而实现复杂的逻辑处理。这是同时使用多个链的关键。
ConversationChain：这种链将一个LLM和一个ConversationPromptTemplate组合在一起，特别适用于需要对话功能的场景。例如，它可以用于构建智能客服系统或复杂的对话系统。
RouterChain：这种链用于根据不同的输入条件选择不同的处理路径。它可以根据用户的输入决定使用哪个子链进行处理。
TransformChain：这种链主要用于对数据进行预处理和后处理，可以在链中插入各种转换操作，如数据清洗、格式化等。
SimpleSequentialChain：这是一个简单的链，将一个链的输出作为下一个链的输入，适用于简单的顺序处理场景。
MultiPromptChain 允许 LLM 从多个提示中进行选择。通过提供一组模板/提示以及它们对应的名称和描述来构建该链。该链接受一个字符串作为输入，选择一个合适的提示，然后将输入传递到所选的提示中。（其有三个参数router_chain决定哪一个destination_chain应该被选中； destination_chain将名称映射到可以将输入路由到的候选链；default_chain，当其他链无法被选中时，会选择此默认链。）
链的调用方式有多种。如llm_chain()，括号里面可以放一个参数或者以字典的形式放入（多个参数），也可以使用run方法，predict方法不允许使用字典，apply方法可以使用列表链时使用，一次性可以使用多个输入，generate方法会返回生成结果中的相关信息，适合于测试模型。
