聊天模型 (经典)¶

langchain-classic 文档

本文档涵盖 langchain-classic 包。该包将持续维护安全漏洞至 2026 年 12 月。我们鼓励用户迁移到 langchain 包以获取最新的功能和改进。查看 langchain 的文档

langchain_classic.chat_models ¶

聊天模型 (Chat Models) 是语言模型的一种变体。

虽然聊天模型底层使用语言模型，但它们暴露的接口略有不同。它们不提供“文本输入，文本输出”的 API，而是提供一种以“聊天消息”作为输入和输出的接口。

函数	描述
`init_chat_model`	使用统一的接口从任何受支持的提供商初始化聊天模型。

init_chat_model ¶

init_chat_model(
    model: str | None = None,
    *,
    model_provider: str | None = None,
    configurable_fields: Literal["any"] | list[str] | tuple[str, ...] | None = None,
    config_prefix: str | None = None,
    **kwargs: Any,
) -> BaseChatModel | _ConfigurableModel

使用统一的接口从任何受支持的提供商初始化聊天模型。

两个主要用例

固定模型 – 预先指定模型，然后获得一个即用型聊天模型。
可配置模型 – 选择在运行时通过 `config` 指定参数（包括模型名称）。这使得在不更改代码的情况下轻松切换模型/提供商成为可能。

注意

需要安装所选模型提供商的集成包。

请参阅下面的 model_provider 参数以了解具体的包名称（例如，pip install langchain-openai）。

有关支持的模型参数以用作 **kwargs 的信息，请参阅提供商集成的 API 参考。

参数	描述
`model`	模型的名称或 ID，例如 `'o3-mini'`、`'claude-sonnet-4-5-20250929'`。您也可以使用 `'{model_provider}:{model}'` 格式在单个参数中指定模型和模型提供商，例如 `'openai:o1'`。类型: `str \| None` 默认值: `None`
`model_provider`	模型提供商，如果未在模型参数中指定（见上文）。支持的 `model_provider` 值和相应的集成包如下 `openai` -> `langchain-openai` `anthropic` -> `langchain-anthropic` `azure_openai` -> `langchain-openai` `azure_ai` -> `langchain-azure-ai` `google_vertexai` -> `langchain-google-vertexai` `google_genai` -> `langchain-google-genai` `bedrock` -> `langchain-aws` `bedrock_converse` -> `langchain-aws` `cohere` -> `langchain-cohere` `fireworks` -> `langchain-fireworks` `together` -> `langchain-together` `mistralai` -> `langchain-mistralai` `huggingface` -> `langchain-huggingface` `groq` -> `langchain-groq` `ollama` -> `langchain-ollama` `google_anthropic_vertex` -> `langchain-google-vertexai` `deepseek` -> `langchain-deepseek` `ibm` -> `langchain-ibm` `nvidia` -> `langchain-nvidia-ai-endpoints` `xai` -> `langchain-xai` `perplexity` -> `langchain-perplexity` 如果未指定 `model_provider`，将尝试从模型中推断。以下提供商将根据这些模型前缀进行推断 `gpt-...` \| `o1...` \| `o3...` -> `openai` `claude...` -> `anthropic` `amazon...` -> `bedrock` `gemini...` -> `google_vertexai` `command...` -> `cohere` `accounts/fireworks...` -> `fireworks` `mistral...` -> `mistralai` `deepseek...` -> `deepseek` `grok...` -> `xai` `sonar...` -> `perplexity` 类型: `str \| None` 默认值: `None`
`configurable_fields`	哪些模型参数可在运行时配置 `None`：无可配置字段（即固定模型）。 `'any'`：所有字段均可配置。请参阅下面的安全说明。 `list[str] \| Tuple[str, ...]`：指定的字段可配置。如果指定了 `config_prefix`，则假定字段已去除 `config_prefix`。如果指定了 `model`，则默认为 `None`。如果未指定 `model`，则默认为 `("model", "model_provider")`。安全说明设置 `configurable_fields="any"` 意味着像 `api_key`、`base_url` 等字段可以在运行时被更改，这可能会将模型请求重定向到不同的服务/用户。如果您接受不受信任的配置，请确保明确列举 `configurable_fields=(...)`。类型： `Literal['any'] \| list[str] \| tuple[str, ...] \| None` 默认值： `None`
`config_prefix`	配置键的可选前缀。当您在同一个应用程序中有多个可配置的模型时非常有用。如果 `'config_prefix'` 是一个非空字符串，那么 `model` 将可以通过 `config["configurable"]["{config_prefix}_{param}"]` 键在运行时进行配置。请参阅下面的示例。如果 `'config_prefix'` 是一个空字符串，那么模型将可以通过 `config["configurable"]["{param}"]` 进行配置。类型: `str \| None` 默认值: `None`
`**kwargs`	传递给底层聊天模型 `__init__` 方法的额外模型特定关键字参数。常见参数包括 `temperature`：用于控制随机性的模型温度。 `max_tokens`：输出令牌的最大数量。 `timeout`：等待响应的最长时间（秒）。 `max_retries`：失败请求的最大重试次数。 `base_url`：自定义 API 端点 URL。 `rate_limiter`：一个 `BaseRateLimiter` 实例，用于控制请求速率。有关所有可用参数，请参阅特定模型提供商的集成参考。类型： `Any` 默认值： `{}`

返回	描述
`BaseChatModel \| _ConfigurableModel`	如果可配置性被推断为 `False`，则返回与指定的 `model_name` 和 `model_provider` 对应的 `BaseChatModel`。如果可配置，则返回一个聊天模型模拟器，它在传入配置后于运行时初始化底层模型。

引发	描述
`ValueError`	如果 `model_provider` 无法推断或不受支持。
`ImportError`	如果模型提供商的集成包未安装。

初始化一个不可配置的模型

# pip install langchain langchain-openai langchain-anthropic langchain-google-vertexai

from langchain_classic.chat_models import init_chat_model

o3_mini = init_chat_model("openai:o3-mini", temperature=0)
claude_sonnet = init_chat_model("anthropic:claude-sonnet-4-5-20250929", temperature=0)
gemini_2-5_flash = init_chat_model(
    "google_vertexai:gemini-2.5-flash", temperature=0
)

o3_mini.invoke("what's your name")
claude_sonnet.invoke("what's your name")
gemini_2-5_flash.invoke("what's your name")

没有默认值的部分可配置模型

# pip install langchain langchain-openai langchain-anthropic

from langchain_classic.chat_models import init_chat_model

# (We don't need to specify configurable=True if a model isn't specified.)
configurable_model = init_chat_model(temperature=0)

configurable_model.invoke(
    "what's your name", config={"configurable": {"model": "gpt-4o"}}
)
# Use GPT-4o to generate the response

configurable_model.invoke(
    "what's your name",
    config={"configurable": {"model": "claude-sonnet-4-5-20250929"}},
)

有默认值的完全可配置模型

# pip install langchain langchain-openai langchain-anthropic

from langchain_classic.chat_models import init_chat_model

configurable_model_with_default = init_chat_model(
    "openai:gpt-4o",
    configurable_fields="any",  # This allows us to configure other params like temperature, max_tokens, etc at runtime.
    config_prefix="foo",
    temperature=0,
)

configurable_model_with_default.invoke("what's your name")
# GPT-4o response with temperature 0 (as set in default)

configurable_model_with_default.invoke(
    "what's your name",
    config={
        "configurable": {
            "foo_model": "anthropic:claude-sonnet-4-5-20250929",
            "foo_temperature": 0.6,
        }
    },
)
# Override default to use Sonnet 4.5 with temperature 0.6 to generate response

将工具绑定到可配置模型

您可以像在普通模型上一样，在可配置模型上调用任何聊天模型的声明式方法

# pip install langchain langchain-openai langchain-anthropic

from langchain_classic.chat_models import init_chat_model
from pydantic import BaseModel, Field


class GetWeather(BaseModel):
    '''Get the current weather in a given location'''

    location: str = Field(
        ..., description="The city and state, e.g. San Francisco, CA"
    )


class GetPopulation(BaseModel):
    '''Get the current population in a given location'''

    location: str = Field(
        ..., description="The city and state, e.g. San Francisco, CA"
    )


configurable_model = init_chat_model(
    "gpt-4o", configurable_fields=("model", "model_provider"), temperature=0
)

configurable_model_with_tools = configurable_model.bind_tools(
    [
        GetWeather,
        GetPopulation,
    ]
)
configurable_model_with_tools.invoke(
    "Which city is hotter today and which is bigger: LA or NY?"
)
# Use GPT-4o

configurable_model_with_tools.invoke(
    "Which city is hotter today and which is bigger: LA or NY?",
    config={"configurable": {"model": "claude-sonnet-4-5-20250929"}},
)
# Use Sonnet 4.5

0.2.8 版本中的行为变更

增加了对 `configurable_fields` 和 `config_prefix` 的支持。

0.2.12 版本中的行为变更

增加了通过 langchain-ollama 包对 Ollama 的支持 (`langchain_ollama.ChatOllama`)。以前，导入的是现已弃用的 langchain-community 版本的 Ollama (`langchain_community.chat_models.ChatOllama`)。

增加了通过 Converse API 对 AWS Bedrock 模型的支持 (`model_provider="bedrock_converse"`)。

0.3.5 版本中的行为变更

脱离 Beta 测试阶段。

0.3.19 版本中的行为变更

增加了对 Deepseek、IBM、Nvidia 和 xAI 模型的支持。