LangChain 1.0 核心用法速查：创建模型、创建 Agent、调用

一、创建模型（init_chat_model）

通用格式

python

python 复制代码

from langchain.chat_models import init_chat_model

model = init_chat_model(
    model="模型名",
    model_provider="供应商",
    base_url="API端点",
    api_key="密钥"
)

参数说明

参数	是否必填	说明
`model`	必填	模型名称，如 `"deepseek-chat"`
`model_provider`	视情况	供应商名称，官方支持的供应商可自动推断
`base_url`	视情况	API 端点地址，官方供应商可自动配置
`api_key`	视情况	密钥，官方供应商可从环境变量自动读取

官方供应商（可省略 base_url 和 api_key）

python

python 复制代码

# 模型名以 deepseek 开头，自动推断为 deepseek 供应商
model = init_chat_model("deepseek:deepseek-chat")

第三方兼容平台（必须手动指定）

以阿里云百炼为例：

python

python 复制代码

import os

model = init_chat_model(
    model="deepseek-v4-pro",
    model_provider="openai",   # 百炼兼容 OpenAI 格式
    base_url="https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/compatible-mode/v1",
    api_key=os.getenv("DASHSCOPE_API_KEY")
)

二、创建 Agent（create_agent）

通用格式

python

python 复制代码

from langchain.agents import create_agent

agent = create_agent(
    model=model,
    tools=[],
    system_prompt="系统提示词"
)

参数说明

参数	是否必填	说明
`model`	必填	传入已初始化好的模型对象，不是裸字符串
`tools`	可选	Agent 可调用的工具列表
`system_prompt`	可选	系统提示词，设定 Agent 角色和行为
`middleware`	可选	中间件，用于扩展 Agent 逻辑
`response_format`	可选	结构化输出格式
`checkpointer`	可选	持久化组件，用于保存对话历史

关键点

create_agent 没有 base_url 和 api_key 参数。所有连接信息都在上一步创建模型时配置好。

三、调用 Agent（invoke）

通用格式

python

python 复制代码

response = agent.invoke({
    "messages": [
        {"role": "user", "content": "你的问题"}
    ]
})

输入参数说明

第一个参数是一个字典，包含 messages 键。messages 的值是一个消息列表，每条消息至少包含：

字段	说明
`role`	角色，如 `"user"`、`"assistant"`、`"system"`
`content`	消息内容，可以是字符串或多模态列表

也可以传入 LangChain 消息对象

python

python 复制代码

from langchain_core.messages import HumanMessage

response = agent.invoke({
    "messages": [HumanMessage(content="你的问题")]
})

流式调用

python

python 复制代码

for token, metadata in agent.stream(
    {"messages": [{"role": "user", "content": "你的问题"}]},
    stream_mode="messages"
):
    if token.content:
        print(token.content, end="", flush=True)

四、完整示例

python

python 复制代码

import os
from langchain.chat_models import init_chat_model
from langchain.agents import create_agent

# 1. 创建模型
model = init_chat_model(
    model="deepseek-v4-pro",
    model_provider="openai",
    base_url="https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/compatible-mode/v1",
    api_key=os.getenv("DASHSCOPE_API_KEY")
)

# 2. 创建 Agent
agent = create_agent(
    model=model,
    tools=[],
    system_prompt="你是一个 helpful assistant"
)

# 3. 调用 Agent
response = agent.invoke({
    "messages": [{"role": "user", "content": "你好"}]
})

print(response)