15.LangChain组件——模型使用总结
1. LangChain调用模型分类有3种：[*]LLMs大语言模型
[*]聊天模型
[*]文本嵌入模型
2.它们使用方法的对比：
学习视频：【黑马程序员大模型RAG与Agent智能体项目实战教程，基于主流的LangChain技术从大模型提示词到实战项目】 https://www.bilibili.com/video/BV1yjz5BLEoY/?p=26&share_source=copy_web&vd_source=792a2cb63a1882bff4ed856eadc41a71
LangChain模型使用总结
LangChain中模型主要分为三类：
[*]LLMs（大语言模型）：用于直接生成文本，基于输入提示返回文本响应。
[*]聊天模型：专为对话设计，基于消息历史（如系统消息、用户消息）生成回复。
[*]文本嵌入模型：将文本转换为数值向量，用于语义搜索、聚类等任务。
使用方法对比
[*]LLMs：直接调用predict或generate方法，输入字符串提示。
[*]聊天模型：使用ChatPromptTemplate构建消息列表，调用predict_messages或类似方法。
[*]文本嵌入模型：调用embed_query或embed_documents方法，将文本转换为向量。
代码示例
以下是简单示例展示三种模型的基本用法：
# LLMs 示例
from langchain.llms import OpenAI
llm = OpenAI(api_key="your-key")
response = llm.predict("你好，世界！")
print(response)
# 聊天模型示例
from langchain.chat_models import ChatOpenAI
from langchain.schema import HumanMessage
chat = ChatOpenAI(api_key="your-key")
messages =
response = chat.predict_messages(messages)
print(response.content)
# 文本嵌入模型示例
from langchain.embeddings import OpenAIEmbeddings
embeddings = OpenAIEmbeddings(api_key="your-key")
vector = embeddings.embed_query("这是一个测试文本")
print(vector[:5])# 打印前5个维度
注意：实际使用时需替换API密钥，并确保安装LangChain库。这三种模型在LangChain中通过统一接口调用，但输入输出格式不同：LLMs处理字符串，聊天模型处理消息对象，嵌入模型输出向量。
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。 看这位的langchainhttps://space.bilibili.com/474394524?spm_id_from=333.1387.follow.user_card.click yinda_peng 发表于 2026-3-8 09:42
看这位的langchainhttps://space.bilibili.com/474394524?spm_id_from=333.1387.follow.user_card.click
收藏了，谢谢{:10_254:}
页:
[1]