langchain调用大模型

LangChain

langchain环境地址

https://docs.langchain.com/oss/python/langchain/overview

LangChain环境安装对接阿里云百炼

LangChain本质上上一个Python框架,要部署LangChain环境可以通过pip命令安装对应的包即可。命令如下:

pip install langchain -i https://pypi.tuna.tsinghua.edu.cn/simple

pip install langchain-community -i https://pypi.tuna.tsinghua.edu.cn/simple

pip install dashscope -i https://pypi.tuna.tsinghua.edu.cn/simple

langchain:大模型应用开发核心框架,提供链、记忆、检索等功能

langchain_community:LangChain社区贡献组件,含第三方工具、模型集成

dashscope:阿里云官方的大模型开发Python库,用于调用通义千问(Qwen)等阿里系大模型的API,实现对话、生成、推理等功能。

langchain调用大模型非流式输出

python 复制代码
from langchain_community.llms.tongyi import Tongyi

#qwen-max是大语言模型
model = Tongyi(model="qwen-max")

res = model.invoke(input="你是谁呀能做什么?")

print(res)

langchain调用大模型流式输出

python 复制代码
from langchain_community.llms.tongyi import Tongyi

#qwen-max是大语言模型
model = Tongyi(model="qwen-max")

res = model.stream(input="你是谁呀能做什么?")

for chunk in res:
    print(chunk,end="",flush=True)

langchain聊天模型的调用

python 复制代码
from langchain_community.chat_models.tongyi import ChatTongyi
from langchain_core.messages import HumanMessage,AIMessage,SystemMessage

#得到模型对象,qwen3-max就是聊天模型

model = ChatTongyi(model="qwen3-max")

#准备消息列表
messages = [
    SystemMessage(content="你是一个边塞诗人"),
    HumanMessage(content="写一首唐诗"),
    AIMessage(content="锄禾日当午,汗滴禾下土,谁知盘中餐,粒粒皆辛苦"),
    HumanMessage(content="请按照上一个回复的格式,再写一首唐诗")
]

#调用stream流式执行
res = model.stream(input=messages)

#for 循环迭代打印输出,通过content来获取到内容
for chunk in res:
    print(chunk.content,end="",flush=True)

消息的简写

python 复制代码
from langchain_community.chat_models.tongyi import ChatTongyi

#得到模型对象,qwen3-max就是聊天模型

model = ChatTongyi(model="qwen3-max")

#准备消息列表
messages = [
    ("system","你是一个边塞诗人"),
    ("human","写一首唐诗"),
    ("ai","锄禾日当午,汗滴禾下土,谁知盘中餐,粒粒皆辛苦"),
    ("human","请按照上一个回复的格式,再写一首唐诗")
]

#调用stream流式执行
res = model.stream(input=messages)

#for 循环迭代打印输出,通过content来获取到内容
for chunk in res:
    print(chunk.content,end="",flush=True)

langchain调用嵌入模型

python 复制代码
from langchain_community.embeddings import DashScopeEmbeddings

#创建模型对象 不传model默认用的是 text-embedding-v1
model = DashScopeEmbeddings()

#不用invoke stream
#embed_query、embed_documents
print(model.embed_query("我喜欢你"))
print(model.embed_documents(["我喜欢你","我稀饭你","晚上吃啥"]))
相关推荐
YIAN9 小时前
从 LangChain 到 DeepAgents:手把手拆解 createAgent、Middleware 与复杂 Agent
javascript·langchain·deepseek
K72 天前
别再搜「LangChain 教程」了——你学的 Chain 已经被判了死刑
langchain·ai编程
xyphf_和派孔明2 天前
第六章: AI Agent长期记忆的存储引擎介绍
langchain·llm·agent
xyphf_和派孔明2 天前
第四章: AI Agent短期记忆的信息管理机制设计
langchain·llm·agent
叼烟扛炮2 天前
[LangChain] 学习笔记(13):并发不是越大越好——batch / gather / 信号量 / 配额治理
笔记·学习·langchain
叼烟扛炮2 天前
[LangChain] 学习笔记(09):工具(Tool)定义与调用闭环 · 理论+实战完整版
笔记·学习·langchain
仍然.3 天前
LangChain核心组件---消息
langchain
xyphf_和派孔明4 天前
第十章: Agent Skill的调用机制解读
langchain·llm·agent
掘黄金的打工人4 天前
LangChain 少样本示例 和 动态示例选择
langchain·aigc·ai编程
kevin_org4 天前
LangChain入门学习(四)
python·学习·langchain·fastapi