使用langchain调用LLM
安装对应的依赖
langchain-openai、langchain-deepseek二选一即可，取决于你需要调用的模型是什么- 如果使用
deepseek等langchain支持的模型，安装对应的依赖包即可langchain-xxx - 如果是
langchain不支持的模型，可以伪装成openai下载langchain-openai包即可
uv add langchain langchain-openai langchain-deepseek
使用langchain支持的模型
import os
from dotenv import load_dotenv
from langchain.chat_models import init_chat_model
# 加载环境变量
load_dotenv()
model = init_chat_model(model="deepseek-chat")
使用langchain不支持的模型，比如阿里云百炼
"""
创建langchain模型实例
安装对应的依赖
uv add langchain langchain-openai
"""
import os
from dotenv import load_dotenv
from langchain.chat_models import init_chat_model
# 加载环境变量
load_dotenv()
"""
一般来说只需要 model 就可以创建一个模型实例
但是有时候遇到langchain不支持的模型 需要指定其他参数，比如 api_key, base_url, model_provider=openai 等
"""
model = init_chat_model(
model="qwen3-max", # 不支持 阿里云百炼 所以才伪装成openai模型 如果支持的模型 直接指定 model 就可以
api_key=os.getenv("DASHSCOPE_API_KEY"),
base_url="https://dashscope.aliyuncs.com/compatible-mode/v1",
model_provider='openai'
)
调用模型一般有两种方式 invoke 和 stream
invoke和stream两个方法的参数 可以是字符串 也可以是列表- 如果参数是字符串 则会被直接发送给模型
- 如果参数是列表 则会被转换为json字符串 发送给给模型
[
{"role": "system", "content": "你是一个ai助手，不说废话，回答用户的问题，保持回答的简洁"},
{"role": "user", "content": "你好, 请介绍一下你自己"},
{"role": "assistant", "content": "你好是一个ai助手，我会回答用户的问题"},
]
使用invoke调用模型，可以直接输出模型的结果
""" 直接输出结果 """
result =model.invoke("你好, 请介绍一下你自己")
print(result.content)
多轮对话可以传入列表
messages = [
{"role": "system", "content": "你是一个ai助手，不说废话，回答用户的问题，保持回答的简洁"},
{"role": "user", "content": "你好, 请介绍一下你自己"},
]
result =model.invoke(messages)
print(result.content)
使用stream调用模型，可以像打字机一样的效果输出模型的结果
""" 流式输出结果 """
response = model.stream("你好, 请介绍一下你自己")
for chunk in response:
print(chunk.content, end="", flush=True)
最终模型会输出结果。
如果是多轮对话 model.stream() 期望接收的是 LangChain 的消息对象，而不是普通的 Python 字典。
# 字典格式 - 不行 ❌
messages = [
{"role": "system", "content": "..."},
{"role": "user", "content": "..."}
]
# 消息对象格式 - 可以 ✅
messages = [
SystemMessage(content="..."),
HumanMessage(content="...")
]
result =model.stream(messages)
print(result.content)
为什么消息对象可以？
SystemMessage 和 HumanMessage 是 LangChain 定义的消息类，它们：
- 有预定义的类型属性
- 实现了必需的方法接口
- 能被
model.stream()正确识别和处理
实际原理
当调用 model.stream(messages) 时，LangChain 内部会：
- 检查每个消息的类型
- 调用消息对象的方法获取内容
- 转换为模型 API 需要的格式
字典缺少这些方法，所以会抛出类似于 AttributeError: 'dict' object has no attribute 'type' 的错误。
简单记忆：LangChain 的方法只认 LangChain 的对象类型，不认 Python 原生字典。
