垦荒学园
  • 中文

      • 模型与消息

      LangChain 通过 langchain-core 统一消息格式与模型接口，1.0 强调 provider:model 字符串与标准化 content blocks。

      模型标识符

      from langchain.agents import create_agent

agent = create_agent("openai:gpt-4.1-mini", tools=[])
agent = create_agent("anthropic:claude-sonnet-4-6", tools=[])
agent = create_agent("google_genai:gemini-2.0-flash", tools=[])

      格式：provider:model_id，由集成包解析并读取对应环境变量中的 API Key。

      显式实例化模型

      需要自定义 temperature、base_url、代理等时：

      from langchain_openai import ChatOpenAI
from langchain.agents import create_agent

model = ChatOpenAI(model="gpt-4.1-mini", temperature=0)
agent = create_agent(model, tools=[])

      Anthropic、Google 等同理（ChatAnthropic、ChatGoogleGenerativeAI）。

      消息类型

      Agent 状态中的 messages 通常为：

      类型含义
      HumanMessage用户输入
      AIMessage模型回复（可含 tool_calls）
      ToolMessage工具执行结果
      SystemMessage系统指令
      from langchain_core.messages import HumanMessage, AIMessage

result = agent.invoke({
    "messages": [HumanMessage(content="Hello")]
})
last = result["messages"][-1]
if isinstance(last, AIMessage):
    print(last.content)
    print(last.tool_calls)  # 若有工具调用

      System prompt

      静态系统提示：

      agent = create_agent(
    "openai:gpt-4.1-mini",
    tools=[],
    system_prompt="You are a concise technical assistant.",
)

      动态系统提示（按会话变化）用 Middleware 实现（见 Middleware）。

      Tool calling 与 bind_tools

      底层模型需支持 tool calling。手动绑定工具（不经过 create_agent 时）：

      from langchain_openai import ChatOpenAI

llm = ChatOpenAI(model="gpt-4.1-mini")
llm_with_tools = llm.bind_tools([my_tool])
msg = llm_with_tools.invoke("What is 2 times 3?")
print(msg.tool_calls)

      create_agent 已替你完成绑定与循环。

      结构化输出

      方式 1：Agent 级 response_format

      from pydantic import BaseModel

class Plan(BaseModel):
    steps: list[str]

agent = create_agent("openai:gpt-4.1-mini", tools=[], response_format=Plan)

      方式 2：模型级 with_structured_output

      structured_llm = ChatOpenAI(model="gpt-4.1-mini").with_structured_output(Plan)
plan = structured_llm.invoke("Plan a weekend trip to Hangzhou.")

      前者适合 Agent 最终输出；后者适合工作流中的单步结构化节点。

      Content blocks（1.0）

      多模态与富内容（文本、图片、工具结果块）逐步统一为 content blocks，便于跨 Provider 一致处理。集成包负责将 blocks 映射到各厂商 API 格式。

      动态选模型

      Middleware 的 wrap_model_call 或 modify_model_request 可按状态切换模型（例如简单问题用小模型、复杂推理用大模型），实现成本与质量平衡。

      下一步