方法
OpenAI(...) / ChatOpenAI(...)：创建一个模型对象（非对话类/对话类）model.invoke(xxx)：执行调用，将用户输入发送给模型.content：提取模型返回的实际文本内容
模型调用的方法
为了尽可能简化自定义链的创建，实现了一个 "Runnable" 协议 。许多LangChain组件都实现了 Runnable 协议 ，包括 聊天模型、提示词模板、输出解析器、检索器、代理（智能体）等。
Runnable 定义的公共的调用方法如下：
invoke: 处理单条输入，等待LLM完全推理完成后再返回调用结果stream: 流式响应，逐字输出LLM的响应结果batch: 处理批量输入
这些也有相应的异步方法，与 asyncio 的 await 语法 一起使用以实现并发：
astream: 异步流式响应ainvoke: 异步处理单条输入abatch: 异步处理批量输入astream_log: 异步流式返回中间步骤，以及最终响应astream_events: （测试版）异步流式返回链中发生的事件（在 langchain-core 0.1.14 中引入）
属性参数
- 必须设置的参数：
base_url：大模型 API 服务的根地址api_key：用于身份验证的密钥，由大模型服务商（如 OpenAI、百度千帆）提供model/model_name：指定要调用的具体大模型名称（如 gpt-4-turbo 、 ERNIE-3.5-8K 等）
- 其它参数：
-
temperature：温度，控制生成文本的"随机性"，取值范围为0～1。- 值越低 → 输出越确定、保守（适合事实回答）
- 值越高 → 输出越多样、有创意（适合创意写作）
- 通常，根据需要设置如下：
- 精确模式（0.5或更低）：生成的文本更加安全可靠，但可能缺乏创意和多样性。
- 平衡模式（通常是0.8）：生成的文本通常既有一定的多样性，又能保持较好的连贯性和准确性。
- 创意模式（通常是1）：生成的文本更有创意，但也更容易出现语法错误或不合逻辑的内容。
-
max_tokens：限制生成文本的最大长度，防止输出过长。