在这种情况下，您可以在langchain中使用RunnableBranch：，您问题将在2个或更多LLM中路由
第一个LLM应该识别主题，如果主题与文档相关，LLM应该简单地说document，没有进一步的单词，然后你必须使用langchain解析输出，并检查输出是否是document，将其传递给其他LLM，这些LLM可以访问您的客户的详细信息。
下面是第一个提示符的样子：

const promptTemplate =
  PromptTemplate.fromTemplate(`Given the user question below, classify it as either being about \`docuemnt\`, \`airline\`, or \`Other\`.
                                     
Do not respond with more than one word.

<question>
{question}
</question>

Classification:`);

字符串
在问题得到回答后，你可以解析它并为它选择你的LLM：

const model = new ChatAnthropic({
  modelName: "claude-2",
});

const classificationChain = RunnableSequence.from([
  promptTemplate,
  model,
  new StringOutputParser(),
]);

const classificationChainResult = await classificationChain.invoke({
  question: "how are you?",
});
console.log(classificationChainResult);
// console.log: Other

型
现在你知道了这个主题，你可以使用if-else语句或者任何你喜欢做的事情。
如果您提供代码，我可以提供更准确的帮助。