三种调用 ChatOllama 的方式

复制代码

from langchain_ollama import ChatOllama

llm = ChatOllama(model="qwen3:8b", base_url="http://127.0.0.1:11434")


message = [
    ("system", "XXX"),
    ("human", "XXX")
]

out = llm.invoke(message)
print(out)


# 获取流式响应
# for chunk in llm.stream([("human", "你好")]):
#     print(chunk.content, end="", flush=True)

方式一：元组列表（Tuple List）

复制代码

from langchain_ollama import ChatOllama

llm = ChatOllama(model="qwen3:8b", base_url="http://127.0.0.1:11434")


message = [
    ("system", "你是一名旅游专家"),
    ("human", "上海最推荐的地方")
]
out = llm.invoke(message)

格式：List[Tuple[role: str, content: str]]
优点：
- 写起来简洁
- 接近 Ollama 原生 API 的 JSON 格式
缺点：
- 不是 LangChain 标准消息类型
- 无法直接用于 ConversationBufferMemory、AgentExecutor 等组件
底层行为 ：
- ChatOllama 会自动将其转换为内部消息对象再发送

适合快速测试，但不推荐用于复杂应用。

方式二：标准消息对象（Recommended）

复制代码

from langchain_core.messages import SystemMessage, HumanMessage
from langchain_ollama import ChatOllama

llm = ChatOllama(model="qwen3:8b", base_url="http://127.0.0.1:11434")


messages = [
    SystemMessage(content="你是一名旅游专家"),
    HumanMessage(content="上海最推荐的地方")
]
response = llm.invoke(messages)

格式：List[BaseMessage]（LangChain 官方标准）
优点：
- 完全兼容 LangChain 生态（Memory、Agent、Tools、Chains）
- 可被 Runnable、PromptTemplate 等组件识别
- 支持多轮对话历史管理
缺点：
- 需要导入额外类（但这是最佳实践）

强烈推荐用于正式项目，尤其是构建智能体或带记忆的对话系统。

方式三：纯字符串（String Only）

复制代码

from langchain_ollama import ChatOllama

llm = ChatOllama(model="qwen3:8b", base_url="http://127.0.0.1:11434")


response = llm.invoke("上海最推荐的地方")

格式：str
内部行为 ：
- LangChain 会自动包装成 [HumanMessage(content="上海最推荐的地方")]
- 没有 system prompt
- 相当于：
  复制代码
```
1llm.invoke([HumanMessage(content="上海最推荐的地方")])
```
适用场景 ：
- 单轮问答
- 无角色设定的简单查询
限制：
- 无法设置系统提示（如"你是一个医生"）
- 无法传递多轮上下文

如果你需要角色设定或上下文，不要用这种方式。

最佳实践建议

复制代码

from langchain_core.messages import SystemMessage, HumanMessage, AIMessage

messages = [
    SystemMessage(content="你是一名专业旅游顾问，回答需简洁实用。"),
    HumanMessage(content="上海最推荐的地方？")
]


response = llm.invoke(messages)

总结对比表对比表

调用方式	输入类型	是否支持 System Prompt	LangChain 标准消息	适用场景
1. 元组列表 `[("system", "..."), ("human", "...")]`	`List[Tuple[str, str]]`	支持	非标准对象	快速原型、简单脚本
2. 消息对象列表 `[SystemMessage(...), HumanMessage(...)]`	`List[BaseMessage]`	支持	完全兼容	LangChain 工作流（Agent/Memory/Tool）
3. 纯字符串 `"上海最推荐的地方"`	`str`	不支持	自动包装为 `HumanMessage`	最简测试