Вызов модели LangChain -- функция init_chat_model()

LangChain init_chat_model() — одна из наиболее часто используемых функций в LangChain. Она позволяет унифицированно подключаться к более чем 20 провайдерам моделей, без необходимости запоминать имена классов и различия параметров каждого провайдера.

Синтаксис

Синтаксис функции init_chat_model() выглядит следующим образом:

from langchain.chat_models import init_chat_model

# 完整语法
model = init_chat_model(
    model,                    # str | None：模型名称（provider:model 格式）
    *,
    model_provider=None,      # str | None：单独的模型提供商
    configurable_fields=None, # None | "any" | list[str]：可运行时修改的字段
    config_prefix=None,       # str | None：配置键前缀
    **kwargs,                 # 模型特定参数（temperature、max_tokens 等）
)

Описание параметров:

Подробное объяснение параметра model

Формат provider:model (рекомендуется)

Формат —provider:model name, разделённые двоеточием:

Автоматическое определение провайдера модели

Если вы не укажете префикс провайдера, LangChain попытается определить его по названию модели:

Автоматическое определение удобно, но не гарантирует 100% корректность. Например, префикс gemini может указывать на google_vertexai или google_genai, и в будущих версиях результат автоматического определения по умолчанию может измениться. Рекомендуется всегда использовать формат provider:model в производственных средах.

Параметр model_provider

Если model_provider указан отдельно, результат эквивалентен формату provider:model:

Сценарии использования model_provider:

• Когда имя провайдера динамически считывается из файла конфигурации
• Когда имя провайдера и имя модели нужно настраивать независимо (переключать отдельно во время выполнения)
• Когда имя модели нельзя определить автоматически и неудобно объединять строки

Фиксированная модель или настраиваемая модель

init_chat_model() имеет два режима использования:

Режим 1: Фиксированная модель

Укажите конкретную строку модели, возвращается экземпляр BaseChatModel, который можно использовать напрямую:

Если .env находится в текущем каталоге, используйте следующий код для загрузки конфигурации из текущего пути:

import os

from dotenv import load_dotenv

# 加载当前目录 .env 文件
load_dotenv()
from langchain.chat_models import init_chat_model

# 指定了 model，返回固定模型
model = init_chat_model("deepseek:deepseek-v4-flash", temperature=0.7)
response = model.invoke("介绍Example")
print(response.content)

Режим 2: Настраиваемая модель

Не указывайте модель (или установите её в None), чтобы создать модель, которую можно динамически переключать во время выполнения:

Настраиваемые модели очень полезны при A/B-тестировании и оптимизации затрат. Вы можете переключать модели или настраивать параметры, изменяя конфигурацию, без перезапуска сервиса.

Все поддерживаемые провайдеры моделей

Ниже перечислены провайдеры, нативно поддерживаемые init_chat_model(), и их установочные пакеты:

Общие параметры kwargs

Параметры kwargs передаются напрямую в базовый класс модели. К часто используемым относятся:

temperature и top_p обычно не задаются одновременно. temperature управляет "формой распределения", а top_p управляет "диапазоном кандидатов". В большинстве сценариев достаточно настроить только temperature.

ConfigurableModel — переключение модели во время выполнения

ConfigurableModel — это расширенный вариант использования init_chat_model(), позволяющий динамически указывать модели и параметры во время выполнения:

Возможные значения configurable_fields:

При использовании configurable_fields="any" будьте осторожны с безопасностью: если вы доверяете небезопасному источнику конфигурации, такие чувствительные поля, как api_key и base_url, могут быть изменены. В производственных средах рекомендуется явно перечислять настраиваемые поля.