LangChain 获得ChatModel的工厂方法源码分析

LangChain目前兼容了市场上主流的大模型，只要我们安装好对应的扩展包，以及配置相应模型的API Key，那么使用LangChain来与大模型进行信息传递，就会非常方便。

大模型服务商	模型名称	环境变量	LangChain 扩展包	Chat 模型类
OpenAI	gpt-5-nano	OPENAI_API_KEY	langchain-openai	ChatOpenAI
Anthropic	claude-sonnet-4-6	ANTHROPIC_API_KEY	langchain-anthropic	ChatAnthropic
Google	gemini-2.5-flash-lite	GOOGLE_API_KEY	langchain-google-genai	ChatGoogleGenerativeAI

在LangChain(1.2.17)中我们只要声明模型的名称，就能够获得对应的模型实例。这典型的是一个工厂方法。

from langchain.chat_models import init_chat_model

def print_current_model():  
    model_names = ['gpt-5-nano',  
                   'openai:gpt-5.4',  
                   'claude-sonnet-4-6',  
                   'google_genai:gemini-2.5-flash-lite']  
    for model_name in model_names:  
        model = init_chat_model(model_name)  
        print(f"'{model_name}' -> {type(model).__name__}(实例)")

输出如下，可以看到，只要我们输入了模型名称，对应就会返回一个相应的ChatModel回来。

'gpt-5-nano' -> ChatOpenAI(实例)
'openai:gpt-5.4' -> ChatOpenAI(实例)
'claude-sonnet-4-6' -> ChatAnthropic(实例)
'google_genai:gemini-2.5-flash-lite' -> ChatGoogleGenerativeAI(实例)

LangChain的架构

工厂方法模式

LangChain 能兼容"市场上主流的大模型"的根本原因------抽象层独立发布为 langchain-core，任何第三方只要依赖它并继承基类，就能无缝接入。

提供ChatOpenAI，ChatAnthropic,ChatGoogleGenerativeAI类的第三方包都依赖了langchain-core这个包，它们都继承了langchain-core的抽象类BaseChatModel。

使用 uv pip show langchain-core查看包详情，可以看到都被其他第三方模型的包所依赖。

内部具体根据模型名称创建对应的ChatModel如下：

1. 根据模型名称找到模型提供商，langchain内部根据模型提供商维护了一个字典，字典里面有模型提供商对应的第三方模块已经实例化的ChatModel配置
2. 找到模型提供商之后使用python内置模块importlib导入对应的第三方包。
3. 实例化得到ChatModel.(源码中实例化用到了一个functools.partial提前绑定了cls参数)