15.LangChain组件——模型使用总结

糖逗

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

FishC

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：

1. 
   
2. # LLMs 示例
   
3. from langchain.llms import OpenAI
   
4. llm = OpenAI(api_key="your-key")
   
5. response = llm.predict("你好，世界！")
   
6. print(response)
   
7. 
   
8. # 聊天模型示例
   
9. from langchain.chat_models import ChatOpenAI
   
10. from langchain.schema import HumanMessage
    
11. chat = ChatOpenAI(api_key="your-key")
    
12. messages = [HumanMessage(content="你好！")]
    
13. response = chat.predict_messages(messages)
    
14. print(response.content)
    
15. 
    
16. # 文本嵌入模型示例
    
17. from langchain.embeddings import OpenAIEmbeddings
    
18. embeddings = OpenAIEmbeddings(api_key="your-key")
    
19. vector = embeddings.embed_query("这是一个测试文本")
    
20. print(vector[:5])  # 打印前5个维度
    

复制代码

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。