11. LangChain调用大模型
1. LangChain支持的3种类型的模型：①LLMs（大语言模型）：技术范畴的统称,指基于大参数量、海量文本训练的Transformer 架构模型,核心能力是理解和生成自然语言，主要服务于文本生成场景
②Chat Models（聊天模型）：应用范畴的细分,是专为对话场景优化的LLMIs,核心能力是模拟人类对话的轮次交互,主要服务于聊天场景
③Embeddings Models（嵌入模型）：文本嵌入模型接收文本作为输入，得到文本的向量
2. LangChain调用大模型
①访问阿里云大语言模型
# langchain_community
from langchain_community.llms.tongyi import Tongyi
# 不用qwen3-max，因为qwen3-max是聊天模型，qwen-max是大语言模型
model = Tongyi(model="qwen-max")
# 调用invoke向模型提问
res = model.invoke(input="你是谁呀能做什么？")
print(res)
②访问本地ollama大语言模型
# langchain_ollama
from langchain_ollama import OllamaLLM
model = OllamaLLM(model="qwen3:4b")
res = model.invoke(input="你是谁呀能做什么？")
print(res)
学习视频： https://www.bilibili.com/video/BV1yjz5BLEoY/?p=22&share_source=copy_web&vd_source=792a2cb63a1882bff4ed856eadc41a71]https://www.bilibili.com/video/BV1yjz5BLEoY/?p=22&share_source=copy_web&vd_source=792a2cb63a1882bff4ed856eadc41a71 {:10_309:} LangChain调用大模型简介
LangChain 是一个强大的框架，用于构建基于大语言模型的应用程序。它支持多种类型的模型，方便开发者根据需求进行调用。以下是三种主要的模型类型：
[*]LLMs（大语言模型）：这是技术范畴的统称，指基于大参数量、海量文本训练的 Transformer 架构模型。核心能力是理解和生成自然语言，主要用于文本生成场景。
[*]Chat Models（聊天模型）：这是应用范畴的细分，专为对话场景优化的 LLMs。核心能力是模拟人类对话的轮次交互，主要用于聊天场景。
[*]Embeddings Models（嵌入模型）：这类模型接收文本作为输入，输出文本的向量表示，常用于搜索、聚类等任务。
调用大模型示例
以下是如何使用 LangChain 调用两种常见的大模型：
1. 访问阿里云大语言模型（使用 Tongyi 模型）：
# 导入 Tongyi 模型
from langchain_community.llms.tongyi import Tongyi
# 创建模型实例，使用 qwen-max（大语言模型）
# 注意：qwen3-max 是聊天模型，因此这里选择 qwen-max
model = Tongyi(model="qwen-max")
# 调用 invoke 方法提问
res = model.invoke(input="你是谁呀能做什么？")
print(res)
2. 访问本地 Ollama 大语言模型（使用 OllamaLLM）：
# 导入 OllamaLLM
from langchain_ollama import OllamaLLM
# 创建模型实例，使用 qwen3:4b 模型
model = OllamaLLM(model="qwen3:4b")
# 调用 invoke 方法提问
res = model.invoke(input="你是谁呀能做什么？")
print(res)
注意事项
- 在运行代码前，请确保已安装必要的库（如 langchain-community 和 langchain-ollama）。
- 调用阿里云模型需要配置 API 密钥，而本地 Ollama 模型需要提前安装并启动 Ollama 服务。
- 根据场景选择合适的模型类型：LLMs 适合文本生成，Chat Models 适合对话交互。
希望这些示例能帮助你快速上手 LangChain 调用大模型！如有更多问题，欢迎继续提问。
以上回复来自 FishC AI 小助理，如未能正确解答您的问题，请继续追问。 langchain哇！！
页:
[1]