AI学习_05_LangChain使用

LangChain调用千问模型

api key已经再之前文档中放到环境变量里面了，这里直接调用即可

python 复制代码

from langchain_community.llms.tongyi import Tongyi

model = Tongyi(model="qwen-plus-2025-07-28")

invoke = model.invoke("你是谁？能做什么？")

print(invoke)

流式输出：

python 复制代码

from langchain_community.llms.tongyi import Tongyi

model = Tongyi(model="qwen-plus-2025-07-28")

# 流式打印
stream = model.stream("你是谁？能做什么？")
for chunk in stream:
    print(chunk, end='', flush=True)

LangChain调用本地Ollama

python 复制代码

from langchain_ollama import OllamaLLM

ollama_model = OllamaLLM("qwen-plus-2025-07-28")
model_stream = ollama_model.stream("你是谁？能做什么？")
for chunk in model_stream:
    print(chunk, end='', flush=True)

调用聊天大模型

注意: 需要确认下调用的模型是否支持聊天角色

python 复制代码

from langchain_community.chat_models import ChatTongyi
from langchain_core.messages import HumanMessage, SystemMessage, AIMessage

tongyi = ChatTongyi(model="qwen-plus-2025-07-28")

message = [
    SystemMessage("你是一个来自边塞的诗人"),
    HumanMessage("你好，给我写一首唐诗"),
    AIMessage("锄禾日当午，汗滴禾下土，谁知盘中餐，粒粒皆辛苦。"),
    HumanMessage("基于上一首的格式，再来一首"),
]

""" 也可以这样写，这样写的好处：可以进行字符串注入，是动态的，上方那个不是静态的，不可以注入
message = [
    ('system', '你是一个来自边塞的诗人{name}'), 
    ('user', '你好，给我写一首唐诗'),
    ('ai', '锄禾日当午，汗滴禾下土，谁知盘中餐，粒粒皆辛苦。'),
    ('user', '基于上一首的格式，再来一首')
]
"""
for msg in tongyi.stream(input=message):
    print(msg.content, end="", flush=True)