005.LangChain Model

该教程旨在带大家从 0 起步，掌握用 Python 开发大模型应用的技能。若当前内容让你感到晦涩，可回溯本合集的前期文章，降低学习难度。

1. 模型分类

类别	作用	输入	输出
LLM	文本补全	字符串	字符串
Chat Model	对话优化	消息列表	一条消息

DeepSeek 的 deepseek-chat 属于 Chat Model，在中文场景下表现优异。

2. LangChain 与 DeepSeek 的关系

LangChain 是一个开源框架，帮助你快速集成多种大模型。
LangChain 已内置 DeepSeek 的封装类 ChatDeepSeek，接口与 OpenAI 完全一致，无需额外适配。

3. 安装依赖

shell 复制代码

pip install langchain-deepseek
# 如提示找不到，可改用
# pip install langchain-community[deepseek]

4. 创建模型实例

python 复制代码

from langchain_deepseek import ChatDeepSeek

model = ChatDeepSeek(
    model="deepseek-chat",
    temperature=0.7,
    max_tokens=512,
    api_key=os.getenv("DEEPSEEK_API_KEY")
)

temperature 越大，回答越随机；越小，越稳定。
max_tokens 控制返回的最大 token 数。
其他原生参数（如 top_p、frequency_penalty）可以通过 model_kwargs={...} 传入：

python 复制代码

model = ChatDeepSeek(
    model="deepseek-chat",
    temperature=0.7,
    max_tokens=512,
    api_key=os.getenv("DEEPSEEK_API_KEY"),
    model_kwargs={
        "top_p": 0.9,
        "frequency_penalty": 0.5
    }
)

5. 消息结构详解

LangChain 的 Chat Model 接收 消息列表，列表元素可以是：

消息类型	用途	构造方式
SystemMessage	给 AI 的系统指令	`SystemMessage(content="你是助手")`
HumanMessage	用户输入	`HumanMessage(content="你好")`
AIMessage	AI 历史回复	`AIMessage(content="你好！")`

示例：构建一条系统消息 + 一条用户消息

python 复制代码

from langchain_core.messages import SystemMessage, HumanMessage

messages = [
    SystemMessage(content="你是一个乐于助人的助手，回答简洁，用中文。"),
    HumanMessage(content="用一句话介绍 LangChain")
]

6. 调用模型并获取回复

python 复制代码

response = model.invoke(messages)
print(response.content)

返回类型为 AIMessage，内容位于 response.content 中。

示例输出：

复制代码

LangChain 是一个开源框架，通过链式调用、记忆和工具快速构建大模型应用。

7. 流式输出

如果想让回答逐字打印，提高用户体验：

ini 复制代码

for chunk in model.stream(messages):
    print(chunk.content, end="", flush=True)

8. 更多模型（LangChain 社区）

除 DeepSeek 外，langchain-community 还支持：

平台	类名	说明
百度	`ChatBaiduQianfan`	千帆大模型
腾讯	`ChatHunyuan`	混元大模型
阿里	`ChatTongyi`	通义千问

只需替换类名与模型名称，其余代码保持一致。

9. 完整代码

保存为 deepseek_demo.py，直接运行：

python 复制代码

from langchain_deepseek import ChatDeepSeek
from langchain_core.messages import SystemMessage, HumanMessage

# 创建模型（自动读取环境变量 DEEPSEEK_API_KEY）
model = ChatDeepSeek(
    model="deepseek-chat",
    temperature=0.7,
    max_tokens=512,
    api_key=os.getenv("DEEPSEEK_API_KEY")
)

# 构造消息
messages = [
    SystemMessage(content="你是一个乐于助人的助手。回答简洁，用中文。"),
    HumanMessage(content="用一句话介绍 LangChain")
]

# 调用并打印
response = model.invoke(messages)
print(response.content)