LangChain核心组件-模型包装器

jwang2026-01-302026-01-30

任何大模型应用程序的核心元素都是大模型，LangChain提供了与任何语言模型交互的构建块，包括组件：语言模型、提示模板、示例编译器、输出解析器等

语言模型

LangChain 提供通用接口（模型包装器）调用不同类型的语言模型，其支持的模型有三大类

1. 大语言模型LLM包装
2. 聊天模型Chat Model包装
3. 文本嵌入模型Enbedding Model：将文本作为输入并返回词向量

大语言模型LLM包装器（国内放弃）

文本补全模型，接收文本字符串作为输入，并返回一个补全字符串作为输出

例如：
提示：今天天气如何？
答案： 今天天气很好

其为一问一答，OpenAi的文本补全类型API 202307进行了最后一次更新，只能访问较旧的历史遗留模型

聊天模型（Chat Model）

主要代表ChatGPT系列模型。通常由语言模型支持，其API更加结构化

ChatOpenAI(聊天模型包装器)

原理：ChatOpenAI将一系列的聊天信息或信息列表作为输入，并返回聊天信息
解决问题：对于复杂对话场景支持多论对话。其每一则消息都包含了消息角色和消息内容，他们合在一起构成了一个完整的对话上下文。适合需要历史对话和生成带有对话上下文响应的任务

#实现一个翻译助手
msg = [
    ('system','请将以下的内容翻译成英文'),
    ('human','你好，你今天过得好吗？'),
]

缺点

随意选一个国内AI模型执行上述msg，不设置任何其它的内容，虽然能够交互，但是存在问题：

提示词固定，无法根据实际情况灵活变动
大模型原始答复复杂，有许多额外信息

提示词模板prompt template

是一个模块化的字符串，可以用来生成特定的提示（prompts），可以将变量插入模板中，创建出不同的提示

特点

清晰易懂的提示：提高提示文本的可读性便于理解，尤其处理复杂或者多个变量的情况下
增强可重用性：模板可以在多个地方重复使用，简化代码，不需要重复构建提示字符串
简化维护：需要更改提示内容仅需要更改模板对应位置即可
智能处理变量：模板自动处理变量的插入
参数化生成: 根据不同参数生成不同提示，有助于个性化文本生成

常见提示词模板

LLM提示词模板 prompttemplate:String提示模板

#字符串提示词组合
# 在处理字符串提示词时，每个模板是连接在一起的。您可以直接使用提示词或字符串（列表中的第一个元素需要是一个提示词）。
from langchain_core.prompts import PromptTemplate
prompt = (
    PromptTemplate.from_template("Tell me a joke about {topic}")
    + ", make it funny"
    + "\n\nand in {language}"
)
==>
PromptTemplate(input_variables=['language', 'topic'], template='Tell --> me a joke about {topic}, make it funny\n\nand in {language}')

prompt.format(topic="sports", language="spanish")
==>
'Tell me a joke about sports, make it funny\n\nand in spanish'

聊天提示模板 ChatPromptRemplate:用于组合各种角色的消息模板，传入聊天模型

# 聊天提示词组成
#聊天提示词由一系列消息组成。与上面的示例类似，我们可以连接聊天提示词模板。
#每个新元素都是最终提示词中的一条新消息
# 用一个 SystemMessage 初始化一个 ChatPromptTemplate
from langchain_core.messages import AIMessage, HumanMessage, SystemMessage
prompt = SystemMessage(content="You are a nice pirate")
#您可以轻松创建一个管道，将其与其他消息 或 消息模板结合起来。 当没有变量需要格式化时使用 Message，当有变量需要格式化时使用 MessageTemplate。您也可以仅使用一个字符串（注意：这将自动推断为一个 HumanMessagePromptTemplate）
new_prompt = (
    prompt + HumanMessage(content="hi") + AIMessage(content="what?") + "{input}"
)
# 在底层，这会创建一个 ChatPromptTemplate 类的实例，因此您可以像之前一样使用它！
new_prompt.format_messages(input="i said hi")
==>
[SystemMessage(content='You are a nice pirate'),
 HumanMessage(content='hi'),
 AIMessage(content='what?'),
 HumanMessage(content='i said hi')]

增强提示词模板: 少样本提示模板 FewShotPromptTemplate、提示模板部分格式化、管道提示模板PipLinePrompt等

输出解析器

输出解析器负责LLM的输出并将其转换为更合适的格式