大家好，我是小锋老师，最近更新《2027版 基于LangChain的RAG与Agent智能体 开发视频教程》专辑，感谢大家支持。
本课程主要介绍和讲解RAG，LangChain简介，接入通义千万大模型 ，Ollama简介以及安装和使用，OpenAI 库介绍和使用，以及最重要的基于LangChain实现RAG与Agent智能体开发技术。
视频教程+课件+源码打包下载 ：
链接：https://pan.baidu.com/s/1_NzaNr0Wln6kv1rdiQnUTg
提取码：0000
基于LangChain的RAG与Agent智能体开发 - 使用LangChain调用聊天大模型
再之前学习openai库的时候，对话消息有三种角色。
messages: 对话消息列表
-
system: 系统设定
-
user: 用户输入
-
assistant: AI回复
我们现在使用LangChain框架，也有三个角色，
-
system对应SystemMessage，系统设定消息
-
user对应HumanMessage，用户输入消息
-
assistant对应AIMessage，AI回复消息
接下来，我们看一个示例：
from langchain_community.chat_models import ChatTongyi
from langchain_core.messages import HumanMessage, SystemMessage, AIMessage
# 创建模型
model = ChatTongyi(model="qwen3-max")
# 初始化聊天对话
messages = [
SystemMessage(content="你是一个Python编程大师"),
AIMessage(content="我是一个Python编程大师，请问有什么可以帮助您的吗？"),
HumanMessage(content="给我写一个Python快速排序算法")
]
# 调用模型
result = model.stream(input=messages)
# 输出结果
for chunk in result:
print(chunk.content, end="", flush=True)运行输出：
我们也换成调用本地ollama大模型：
from langchain_core.messages import HumanMessage, SystemMessage, AIMessage
from langchain_ollama import ChatOllama
# 创建模型
model = ChatOllama(model="qwen3:4b")
# 初始化聊天对话
messages = [
SystemMessage(content="你是一个Python编程大师"),
AIMessage(content="我是一个Python编程大师，请问有什么可以帮助您的吗？"),
HumanMessage(content="给我写一个Python快速排序算法")
]
# 调用模型
result = model.stream(input=messages)
# 输出结果
for chunk in result:
print(chunk.content, end="", flush=True)运行输出：
