目錄一、什么是聊天模型1.1 什么是消息1.2 模型的分類1.2.1 真實(shí)聊天模型1.2.2 可配置模擬器模型1.3 與LLM的區(qū)別1.4 注意事項(xiàng)二、通過(guò)API來(lái)定義聊天模型2.1 ChatDeepSeek2.2 init_chat_model2.2.1 函數(shù)定義2.2.2 實(shí)例1創(chuàng)建無(wú)配置模型2.2.3 實(shí)例2創(chuàng)建可配置模型2.2.4 實(shí)例3創(chuàng)建帶有默認(rèn)值的可配置模型一、什么是聊天模型在 LangChain 體系里聊天模型 ChatModel是專門面向?qū)υ拡?chǎng)景的模型抽象區(qū)別于老式的大文本 LLM。老式LLM輸入字符串輸出字符串ChatModel聊天模型輸入消息對(duì)象列表輸出消息對(duì)象AIMessage這就調(diào)用.invoke()拿到的返回值。1.1 什么是消息聊天模型不拿裸字符串當(dāng)完整輸入使用消息對(duì)象區(qū)分角色SystemMessage系統(tǒng)提示設(shè)定角色、規(guī)則HumanMessage用戶輸入人類說(shuō)的話AIMessageAI 模型返回的消息ToolMessage工具調(diào)用返回結(jié)果from langchain_core.messages import HumanMessage, SystemMessage chat_model ChatDeepSeek( modeldeepseek-chat, # 或 deepseek-reasoner temperature0, max_tokensNone, timeoutNone, max_retries2, ) messages [ SystemMessage(content你是助手), HumanMessage(content你叫什么名字) ] res chat_model.invoke(messages) # res 得到 AIMessage 對(duì)象res.content 才是文本 print(res.content)1.2 模型的分類1.2.1 真實(shí)聊天模型代表ChatOpenAI、ChatAnthropic、ChatZhipuAI實(shí)例化的時(shí)候就創(chuàng)建底層 http 客戶端構(gòu)造時(shí)填入model、temperature、api_key、max_tokens直接向真實(shí)大模型服務(wù)發(fā)網(wǎng)絡(luò)請(qǐng)求如果想要運(yùn)行時(shí)動(dòng)態(tài)修改參數(shù)需要混入RunnableConfigurable配置configurable_fields。chat_model ChatDeepSeek( modeldeepseek-chat, # 或 deepseek-reasoner temperature0, max_tokensNone, timeoutNone, max_retries2, )1.2.2 可配置模擬器模型init_chat_model()不傳入model參數(shù)時(shí)返回它只是占位包裝器不是真正的聊天模型。不會(huì)創(chuàng)建底層模型客戶端不會(huì)發(fā)起網(wǎng)絡(luò)請(qǐng)求實(shí)現(xiàn)了BaseChatModel全部接口對(duì)外 API 和真實(shí)模型一模一樣。invoke 調(diào)用階段讀取config[configurable]里的運(yùn)行時(shí)配置用拿到的model、model_provider和其他參數(shù)現(xiàn)場(chǎng)構(gòu)建真實(shí)聊天模型實(shí)例。特例不傳入model時(shí)model、model_provider無(wú)需寫(xiě)進(jìn)configurable_fields就可以運(yùn)行時(shí)配置其余所有參數(shù)必須加入configurable_fields白名單運(yùn)行時(shí)才允許修改。使用場(chǎng)景開(kāi)發(fā)通用框架把選用什么模型推遲到業(yè)務(wù)請(qǐng)求到來(lái)時(shí)才確定避免代碼硬編碼模型modelinit_chat_model(configurable_fields{model,model_provider, temperature, max_tokens}) aimessmodel.invoke( 你是誰(shuí), config{configurable:{ model:deepseek-chat,model_provider:deepseek,temperature:0.6,max_tokens:100}} ) print(aimess.content)1.3 與LLM的區(qū)別項(xiàng)目ChatModel聊天模型老式 LLM輸入消息對(duì)象列表[HumanMessage,SystemMessage]原始字符串輸出AIMessage對(duì)象.content拿文本原始字符串原生支持system 提示、工具調(diào)用、多輪對(duì)話需要手動(dòng)拼接字符串代表ChatOpenAIOpenAI1.4 注意事項(xiàng)返回值是對(duì)象不是字符串直接打印對(duì)象會(huì)看到完整對(duì)象必須取.content工具調(diào)用場(chǎng)景AIMessage.content可以為空工具調(diào)用數(shù)據(jù)放在additional_kwargs[tool_calls]_ConfigurableModel模擬器只是包裝只有 invoke 那一刻才創(chuàng)建真實(shí)模型模擬器本身沒(méi)有 api_key、model 這些真實(shí)客戶端屬性模擬器僅model/model_provider享有默認(rèn)可配置特權(quán)其余參數(shù)必須寫(xiě)進(jìn)configurable_fields。簡(jiǎn)單總結(jié)聊天模型是 LangChain 針對(duì)對(duì)話任務(wù)的抽象接收結(jié)構(gòu)化消息返回結(jié)構(gòu)化消息對(duì)象模擬器是它的延遲實(shí)例化包裝變體專門用于運(yùn)行時(shí)動(dòng)態(tài)選定模型。二、通過(guò)API來(lái)定義聊天模型2.1 ChatDeepSeekChatDeepSeek 是 LangChain 官方維護(hù)的 DeepSeek 云 API 聊天模型包裝器屬于 langchain-deepseek 包基類是 BaseChatOpenAIBaseLanguageModel └── BaseChatModel └── BaseChatOpenAI └── ChatDeepSeek # langchain-deepseek 提供參數(shù)說(shuō)明model模型名如deepseek-v4-flash/deepseek-v4-protemperature采樣溫度默認(rèn) 1max_tokens生成上限timeout/max_retries客戶端超時(shí)與重試api_key不傳則讀系統(tǒng)環(huán)境變量DEEPSEEK_API_KEY代碼示例from langchain_deepseek import ChatDeepSeek from langchain_core.messages import HumanMessage, SystemMessage from langchain_core.output_parsers import StrOutputParser #直接定義模型自動(dòng)讀取系統(tǒng)環(huán)境變量中的 DEEPSEEK_API_KEY model ChatDeepSeek( modeldeepseek-chat, # 或 deepseek-reasoner temperature0, max_tokensNone, timeoutNone, max_retries2, ) messages[ SystemMessage(content), HumanMessage(contenthi!), ] parserStrOutputParser() 定義鏈 chainmodel | parser chainmodel.pipe(parser) 執(zhí)行鏈 print(chain.invoke(messages))其中StrOutputParserLangChain是LangChain 最簡(jiǎn)單的輸出解析器把大模型返回的AIMessage對(duì)象提取里面的文本.content輸出普通 Python 字符串 str。關(guān)于的invoke() 調(diào)用。該方法是將單個(gè)輸入轉(zhuǎn)換為對(duì)應(yīng)的輸出。例如對(duì)于聊天模型來(lái)說(shuō)就是根據(jù)用戶的問(wèn)題輸入并輸出相應(yīng)的答案。2.2 init_chat_model上面的ChatDeepSeek 用于明確創(chuàng)建 DeepSeek 聊天模型的實(shí)例。而init_chat_model()是一個(gè)工廠函數(shù)它可以初始化多種支持的聊天模型如 OpenAI、Anthropic、FireworksAI 等不僅僅是 DeepSeek 的聊天模型。2.2.1 函數(shù)定義langchain.chat_models.base.init_chat_model( model: str, *, model_provider: str | None None, configurable_fields: Literal[None] None, config_prefix: str | None None, **kwargs: Any, ) - BaseChatModel參數(shù)名參數(shù)描述model要使用的模型的名稱model_provider模型提供方。支持的 model_provider 值和相應(yīng)的集成包有? openai - langchain-openai? anthropic - langchain-anthropic? google_genai - langchain-google-genai? ollama - langchain-ollama? deepseek - langchain-deepseek如果未指定將嘗試從模型推斷 model_providerconfigurable_fields設(shè)置哪些模型參數(shù)是可配置的。若配置為?None: 沒(méi)有可配置的字段。?any所有字段都是可配置的類似 api_key、base_url 等可以在運(yùn)行時(shí)更改。?Union [List [str], Tuple [str, …]]: 指定的字段是可配置的。config_prefix配置為非空字符串則模型將在運(yùn)行時(shí)通過(guò)查找config[configurable][{config_prefix}_{param}]字段設(shè)置配置項(xiàng)。配置為空字符串那么模型將可以通過(guò)config[configurable][{param}]字段設(shè)置配置項(xiàng)。temperature采樣溫度溫度值越高AI 回答越天馬行空溫度越低回答越保守靠譜。max_tokens要生成的最大令牌數(shù)timeout請(qǐng)求超時(shí)時(shí)間max_retries最大重試次數(shù)openai_api_key / api_keyOpenAI API 密鑰。如果未傳入將從環(huán)境變量中讀取OPENAI_API_KEY。base_urlAPI 請(qǐng)求的基本 URL?！渌卣箙?shù)init_chat_model() 返回值說(shuō)明函數(shù)返回一個(gè)與指定的 model_name 和 model_provider 相對(duì)應(yīng)的 BaseChatModel如 ChatOpenAIChatAnthropic 等。注意要是模型可配置則返回一個(gè)聊天模型模擬器該模擬器在傳入配置后于運(yùn)行時(shí)才會(huì)初始化底層模型。2.2.2 實(shí)例1創(chuàng)建無(wú)配置模型使用不同的模型提供方需要安裝為其各自包與設(shè)置各自的 API Key 環(huán)境變量例如OpenAI 環(huán)境變量配置為OPENAI_API_KEY your_openai_api_key安裝命令pip install -U langchain-openaiAnthropic 環(huán)境變量配置為ANTHROPIC_API_KEY your_anthropic_api_key安裝命令pip install -U langchain-anthropicDeepSeek 環(huán)境變量配置為DEEPSEEK_API_KEY your_deepseek_api_key安裝命令pip install -U langchain-deepseekGoogle VertexAI 環(huán)境變量配置為GOOGLE_API_KEY your_google_api_key安裝命令pip install -U langchain-google-vertexai使用init_chat_model創(chuàng)建一個(gè)聊天模型deepseek_modeldeepseek_modelinit_chat_model(deepseek-chat,model_providerdeepseek,temperature0) print(deepseek_model.invoke(你是誰(shuí)).content\n)2.2.3 實(shí)例2創(chuàng)建可配置模型以通過(guò)指定configurable_fields來(lái)創(chuàng)建一個(gè)運(yùn)行時(shí)可配置的模型。如果不指定model值則“model”和“model_provider”將默認(rèn)可配置。也就是說(shuō)在使用init_chat_model()創(chuàng)建可配置模型時(shí)可以通過(guò)configurable_fields指定運(yùn)行時(shí)可配置的參數(shù)未指定的參數(shù)默認(rèn)不可配置。但model與model_provider這兩個(gè)參數(shù)除外如果在調(diào)用init_chat_model()時(shí)未傳遞且未通過(guò)configurable_fields指定它們?nèi)匀豢梢栽谶\(yùn)行時(shí)進(jìn)行配置。#這里我們沒(méi)有事先指定model也沒(méi)有通過(guò)configurable_fields將其指定為可配置項(xiàng) modelinit_chat_model(temperature0) #但是我們?cè)谶\(yùn)行的時(shí)候依然可以配置model字段,且編譯時(shí)會(huì)自動(dòng)按照model推到provider print(model.invoke( 你是誰(shuí), config{configurable:{model:deepseek-chat}} ))除了model與model_provider之外的其他參數(shù)如果需要運(yùn)行時(shí)配置必須在調(diào)用init_chat_model接口的時(shí)候通過(guò)參數(shù)configurable_fields來(lái)指定。modelinit_chat_model(modeldeepseek-chat,configurable_fields{model_provider, temperature, max_tokens}) #參數(shù)model_provider, temperature, max_tokens運(yùn)行時(shí)指定 aimessmodel.invoke( 你是誰(shuí), config{configurable:{model_provider:deepseek,temperature:0.6,max_tokens:100}} ) print(aimess.content)2.2.4 實(shí)例3創(chuàng)建帶有默認(rèn)值的可配置模型如果我們?cè)谡{(diào)用init_chat_model()接口的時(shí)候給參數(shù)添加了默認(rèn)值我們還希望該參數(shù)在后續(xù)運(yùn)行時(shí)也要?jiǎng)討B(tài)配置與變化那么我們就可以創(chuàng)建出帶有默認(rèn)值的可配置模型。具體做法就是將該參數(shù)也添加到configurable_fields中.modelinit_chat_model(modeldeepseek-chat, temperature0.5, max_tokens50, configurable_fields{model_provider, temperature, max_tokens} ) #參數(shù)model_provider, temperature, max_tokens運(yùn)行時(shí)指定 aimessmodel.invoke( 你是誰(shuí), config{configurable:{model_provider:deepseek,temperature:0.6,max_tokens:100}} ) print(aimess.content) LangChain：ChatModel 聊天模型與可配置模擬器
目錄一、什么是聊天模型1.1 什么是消息1.2 模型的分類1.2.1 真實(shí)聊天模型1.2.2 可配置模擬器模型1.3 與LLM的區(qū)別1.4 注意事項(xiàng)二、通過(guò)API來(lái)定義聊天模型2.1 ChatDeepSeek2.2 init_chat_model2.2.1 函數(shù)定義2.2.2 實(shí)例1創(chuàng)建無(wú)配置模型2.2.3 實(shí)例2創(chuàng)建可配置模型2.2.4 實(shí)例3創(chuàng)建帶有默認(rèn)值的可配置模型一、什么是聊天模型在 LangChain 體系里聊天模型 ChatModel是專門面向?qū)υ拡?chǎng)景的模型抽象區(qū)別于老式的大文本 LLM。老式LLM輸入字符串輸出字符串ChatModel聊天模型輸入消息對(duì)象列表輸出消息對(duì)象AIMessage這就調(diào)用.invoke()拿到的返回值。1.1 什么是消息聊天模型不拿裸字符串當(dāng)完整輸入使用消息對(duì)象區(qū)分角色SystemMessage系統(tǒng)提示設(shè)定角色、規(guī)則HumanMessage用戶輸入人類說(shuō)的話AIMessageAI 模型返回的消息ToolMessage工具調(diào)用返回結(jié)果from langchain_core.messages import HumanMessage, SystemMessage chat_model ChatDeepSeek( modeldeepseek-chat, # 或 deepseek-reasoner temperature0, max_tokensNone, timeoutNone, max_retries2, ) messages [ SystemMessage(content你是助手), HumanMessage(content你叫什么名字) ] res chat_model.invoke(messages) # res 得到 AIMessage 對(duì)象res.content 才是文本 print(res.content)1.2 模型的分類1.2.1 真實(shí)聊天模型代表ChatOpenAI、ChatAnthropic、ChatZhipuAI實(shí)例化的時(shí)候就創(chuàng)建底層 http 客戶端構(gòu)造時(shí)填入model、temperature、api_key、max_tokens直接向真實(shí)大模型服務(wù)發(fā)網(wǎng)絡(luò)請(qǐng)求如果想要運(yùn)行時(shí)動(dòng)態(tài)修改參數(shù)需要混入RunnableConfigurable配置configurable_fields。chat_model ChatDeepSeek( modeldeepseek-chat, # 或 deepseek-reasoner temperature0, max_tokensNone, timeoutNone, max_retries2, )1.2.2 可配置模擬器模型init_chat_model()不傳入model參數(shù)時(shí)返回它只是占位包裝器不是真正的聊天模型。不會(huì)創(chuàng)建底層模型客戶端不會(huì)發(fā)起網(wǎng)絡(luò)請(qǐng)求實(shí)現(xiàn)了BaseChatModel全部接口對(duì)外 API 和真實(shí)模型一模一樣。invoke 調(diào)用階段讀取config[configurable]里的運(yùn)行時(shí)配置用拿到的model、model_provider和其他參數(shù)現(xiàn)場(chǎng)構(gòu)建真實(shí)聊天模型實(shí)例。特例不傳入model時(shí)model、model_provider無(wú)需寫(xiě)進(jìn)configurable_fields就可以運(yùn)行時(shí)配置其余所有參數(shù)必須加入configurable_fields白名單運(yùn)行時(shí)才允許修改。使用場(chǎng)景開(kāi)發(fā)通用框架把選用什么模型推遲到業(yè)務(wù)請(qǐng)求到來(lái)時(shí)才確定避免代碼硬編碼模型modelinit_chat_model(configurable_fields{model,model_provider, temperature, max_tokens}) aimessmodel.invoke( 你是誰(shuí), config{configurable:{ model:deepseek-chat,model_provider:deepseek,temperature:0.6,max_tokens:100}} ) print(aimess.content)1.3 與LLM的區(qū)別項(xiàng)目ChatModel聊天模型老式 LLM輸入消息對(duì)象列表[HumanMessage,SystemMessage]原始字符串輸出AIMessage對(duì)象.content拿文本原始字符串原生支持system 提示、工具調(diào)用、多輪對(duì)話需要手動(dòng)拼接字符串代表ChatOpenAIOpenAI1.4 注意事項(xiàng)返回值是對(duì)象不是字符串直接打印對(duì)象會(huì)看到完整對(duì)象必須取.content工具調(diào)用場(chǎng)景AIMessage.content可以為空工具調(diào)用數(shù)據(jù)放在additional_kwargs[tool_calls]_ConfigurableModel模擬器只是包裝只有 invoke 那一刻才創(chuàng)建真實(shí)模型模擬器本身沒(méi)有 api_key、model 這些真實(shí)客戶端屬性模擬器僅model/model_provider享有默認(rèn)可配置特權(quán)其余參數(shù)必須寫(xiě)進(jìn)configurable_fields。簡(jiǎn)單總結(jié)聊天模型是 LangChain 針對(duì)對(duì)話任務(wù)的抽象接收結(jié)構(gòu)化消息返回結(jié)構(gòu)化消息對(duì)象模擬器是它的延遲實(shí)例化包裝變體專門用于運(yùn)行時(shí)動(dòng)態(tài)選定模型。二、通過(guò)API來(lái)定義聊天模型2.1 ChatDeepSeekChatDeepSeek 是 LangChain 官方維護(hù)的 DeepSeek 云 API 聊天模型包裝器屬于 langchain-deepseek 包基類是 BaseChatOpenAIBaseLanguageModel └── BaseChatModel └── BaseChatOpenAI └── ChatDeepSeek # langchain-deepseek 提供參數(shù)說(shuō)明model模型名如deepseek-v4-flash/deepseek-v4-protemperature采樣溫度默認(rèn) 1max_tokens生成上限timeout/max_retries客戶端超時(shí)與重試api_key不傳則讀系統(tǒng)環(huán)境變量DEEPSEEK_API_KEY代碼示例from langchain_deepseek import ChatDeepSeek from langchain_core.messages import HumanMessage, SystemMessage from langchain_core.output_parsers import StrOutputParser #直接定義模型自動(dòng)讀取系統(tǒng)環(huán)境變量中的 DEEPSEEK_API_KEY model ChatDeepSeek( modeldeepseek-chat, # 或 deepseek-reasoner temperature0, max_tokensNone, timeoutNone, max_retries2, ) messages[ SystemMessage(content), HumanMessage(contenthi!), ] parserStrOutputParser() 定義鏈 chainmodel | parser chainmodel.pipe(parser) 執(zhí)行鏈 print(chain.invoke(messages))其中StrOutputParserLangChain是LangChain 最簡(jiǎn)單的輸出解析器把大模型返回的AIMessage對(duì)象提取里面的文本.content輸出普通 Python 字符串 str。關(guān)于的invoke() 調(diào)用。該方法是將單個(gè)輸入轉(zhuǎn)換為對(duì)應(yīng)的輸出。例如對(duì)于聊天模型來(lái)說(shuō)就是根據(jù)用戶的問(wèn)題輸入并輸出相應(yīng)的答案。2.2 init_chat_model上面的ChatDeepSeek 用于明確創(chuàng)建 DeepSeek 聊天模型的實(shí)例。而init_chat_model()是一個(gè)工廠函數(shù)它可以初始化多種支持的聊天模型如 OpenAI、Anthropic、FireworksAI 等不僅僅是 DeepSeek 的聊天模型。2.2.1 函數(shù)定義langchain.chat_models.base.init_chat_model( model: str, *, model_provider: str | None None, configurable_fields: Literal[None] None, config_prefix: str | None None, **kwargs: Any, ) - BaseChatModel參數(shù)名參數(shù)描述model要使用的模型的名稱model_provider模型提供方。支持的 model_provider 值和相應(yīng)的集成包有? openai - langchain-openai? anthropic - langchain-anthropic? google_genai - langchain-google-genai? ollama - langchain-ollama? deepseek - langchain-deepseek如果未指定將嘗試從模型推斷 model_providerconfigurable_fields設(shè)置哪些模型參數(shù)是可配置的。若配置為?None: 沒(méi)有可配置的字段。?any所有字段都是可配置的類似 api_key、base_url 等可以在運(yùn)行時(shí)更改。?Union [List [str], Tuple [str, …]]: 指定的字段是可配置的。config_prefix配置為非空字符串則模型將在運(yùn)行時(shí)通過(guò)查找config[configurable][{config_prefix}_{param}]字段設(shè)置配置項(xiàng)。配置為空字符串那么模型將可以通過(guò)config[configurable][{param}]字段設(shè)置配置項(xiàng)。temperature采樣溫度溫度值越高AI 回答越天馬行空溫度越低回答越保守靠譜。max_tokens要生成的最大令牌數(shù)timeout請(qǐng)求超時(shí)時(shí)間max_retries最大重試次數(shù)openai_api_key / api_keyOpenAI API 密鑰。如果未傳入將從環(huán)境變量中讀取OPENAI_API_KEY。base_urlAPI 請(qǐng)求的基本 URL?！渌卣箙?shù)init_chat_model() 返回值說(shuō)明函數(shù)返回一個(gè)與指定的 model_name 和 model_provider 相對(duì)應(yīng)的 BaseChatModel如 ChatOpenAIChatAnthropic 等。注意要是模型可配置則返回一個(gè)聊天模型模擬器該模擬器在傳入配置后于運(yùn)行時(shí)才會(huì)初始化底層模型。2.2.2 實(shí)例1創(chuàng)建無(wú)配置模型使用不同的模型提供方需要安裝為其各自包與設(shè)置各自的 API Key 環(huán)境變量例如OpenAI 環(huán)境變量配置為OPENAI_API_KEY your_openai_api_key安裝命令pip install -U langchain-openaiAnthropic 環(huán)境變量配置為ANTHROPIC_API_KEY your_anthropic_api_key安裝命令pip install -U langchain-anthropicDeepSeek 環(huán)境變量配置為DEEPSEEK_API_KEY your_deepseek_api_key安裝命令pip install -U langchain-deepseekGoogle VertexAI 環(huán)境變量配置為GOOGLE_API_KEY your_google_api_key安裝命令pip install -U langchain-google-vertexai使用init_chat_model創(chuàng)建一個(gè)聊天模型deepseek_modeldeepseek_modelinit_chat_model(deepseek-chat,model_providerdeepseek,temperature0) print(deepseek_model.invoke(你是誰(shuí)).content\n)2.2.3 實(shí)例2創(chuàng)建可配置模型以通過(guò)指定configurable_fields來(lái)創(chuàng)建一個(gè)運(yùn)行時(shí)可配置的模型。如果不指定model值則“model”和“model_provider”將默認(rèn)可配置。也就是說(shuō)在使用init_chat_model()創(chuàng)建可配置模型時(shí)可以通過(guò)configurable_fields指定運(yùn)行時(shí)可配置的參數(shù)未指定的參數(shù)默認(rèn)不可配置。但model與model_provider這兩個(gè)參數(shù)除外如果在調(diào)用init_chat_model()時(shí)未傳遞且未通過(guò)configurable_fields指定它們?nèi)匀豢梢栽谶\(yùn)行時(shí)進(jìn)行配置。#這里我們沒(méi)有事先指定model也沒(méi)有通過(guò)configurable_fields將其指定為可配置項(xiàng) modelinit_chat_model(temperature0) #但是我們?cè)谶\(yùn)行的時(shí)候依然可以配置model字段,且編譯時(shí)會(huì)自動(dòng)按照model推到provider print(model.invoke( 你是誰(shuí), config{configurable:{model:deepseek-chat}} ))除了model與model_provider之外的其他參數(shù)如果需要運(yùn)行時(shí)配置必須在調(diào)用init_chat_model接口的時(shí)候通過(guò)參數(shù)configurable_fields來(lái)指定。modelinit_chat_model(modeldeepseek-chat,configurable_fields{model_provider, temperature, max_tokens}) #參數(shù)model_provider, temperature, max_tokens運(yùn)行時(shí)指定 aimessmodel.invoke( 你是誰(shuí), config{configurable:{model_provider:deepseek,temperature:0.6,max_tokens:100}} ) print(aimess.content)2.2.4 實(shí)例3創(chuàng)建帶有默認(rèn)值的可配置模型如果我們?cè)谡{(diào)用init_chat_model()接口的時(shí)候給參數(shù)添加了默認(rèn)值我們還希望該參數(shù)在后續(xù)運(yùn)行時(shí)也要?jiǎng)討B(tài)配置與變化那么我們就可以創(chuàng)建出帶有默認(rèn)值的可配置模型。具體做法就是將該參數(shù)也添加到configurable_fields中.modelinit_chat_model(modeldeepseek-chat, temperature0.5, max_tokens50, configurable_fields{model_provider, temperature, max_tokens} ) #參數(shù)model_provider, temperature, max_tokens運(yùn)行時(shí)指定 aimessmodel.invoke( 你是誰(shuí), config{configurable:{model_provider:deepseek,temperature:0.6,max_tokens:100}} ) print(aimess.content)