(LangChain实战3)：LangChain阻塞式invoke与流式stream的调用

一、快速上手：两种调用方式对比

1.1 环境准备

python 复制代码

import os
from langchain_core.messages import SystemMessage, HumanMessage
from langchain_openai import ChatOpenAI
from dotenv import load_dotenv

load_dotenv()  # 加载.env文件中的API配置

# 初始化模型
chat_model = ChatOpenAI(
    model="deepseek-chat",
    base_url=os.getenv('OPENAI_BASE_URL'),
    api_key=os.getenv('OPENAI_API_KEY'),
    streaming=True  # 启用流式支持
)

1.2 消息设置

python 复制代码

# 系统提示词：设定AI角色
system_message = SystemMessage(content="你是一个程序员专家")

# 用户消息
human_message = HumanMessage(content="帮我写一份Python教学计划")

messages = [system_message, human_message]

二、阻塞式调用（invoke）

2.1 基础使用

python 复制代码

# 方式一：直接调用
response = chat_model.invoke(messages)
print(f"完整响应：{response.content}")

# 方式二：带参数调用
response = chat_model.invoke(
    messages,
    temperature=0.7,  # 控制创造性
    max_tokens=500    # 限制长度
)

2.2 特点

同步等待：获取完整响应后才继续执行
简单直接：代码逻辑清晰
适合场景：批处理、不需要实时反馈的任务

三、流式调用（stream）

3.1 基础使用

python 复制代码

# 获取生成器
res = chat_model.stream(messages)

# 逐块处理
for chunk in res:
    if chunk.content:
        print(chunk.content, end="", flush=True)  # 实时输出

3.2 完整示例

python 复制代码

def stream_demo():
    """流式调用完整示例"""
    print("AI回复：", end="", flush=True)
    
    full_response = ""
    for message in chat_model.stream(messages):
        if message.content:
            print(message.content, end="", flush=True)
            full_response += message.content
    
    print(f"\n\n完整内容长度：{len(full_response)}字符")
    return full_response

3.3 特点

实时反馈：边生成边显示
用户体验好：类似打字机效果
适合场景：聊天应用、长文本生成

四、两种方式对比

特性	阻塞式(invoke)	流式(stream)
响应方式	一次性返回完整结果	实时分块返回
用户体验	需要等待全部生成	即时看到结果
适用场景	批处理、后端任务	实时交互、前端展示
代码复杂度	简单	稍复杂
内存占用	一次性存储完整结果	可边处理边释放

五、如何选择？

场景建议：

使用阻塞式(invoke)：

python 复制代码

# 示例：批量处理问答
questions = ["什么是Python？", "解释一下列表推导式", "如何安装pip？"]
answers = []

for q in questions:
    response = chat_model.invoke([HumanMessage(content=q)])
    answers.append(response.content)
    print(f"已处理：{q[:20]}...")

使用流式(stream)：

python 复制代码

# 示例：实时聊天机器人
def chat_with_ai():
    print("开始对话（输入'退出'结束）")
    
    while True:
        user_input = input("\n你：")
        if user_input == "退出":
            break
            
        print("AI：", end="", flush=True)
        messages = [HumanMessage(content=user_input)]
        
        for chunk in chat_model.stream(messages):
            if chunk.content:
                print(chunk.content, end="", flush=True)
        print()  # 换行