一、模型初始化2‑2 models.ipynb1、两种初始化模型方式底层模型ChatOpenAI兼容 DeepSeek‑Chat、GPT‑4o 等遵循 OpenAI 协议的模型配置文件统一放在 .env。# .env文件 OPENAI_API_KEYsk‑xxx OPENAI_BASE_URLhttps://api.deepseek.com/v1方式 1实例化模型对象正式项目推荐新版长期可用from dotenv import load_dotenv import os from langchain_openai import ChatOpenAI load_dotenv() llm ChatOpenAI( modeldeepseek-chat, api_keyos.getenv(OPENAI_API_KEY), base_urlos.getenv(OPENAI_BASE_URL), temperature0 # 0代表结果更加确定写Agent建议填0 )可以额外配置超时、最大重试次数。方式 2只填写模型名字字符串课程演示写法简单 demo 使用init_chat_model 内部自动读取环境变量完成初始化正式项目不推荐。from langchain.chat_models import init_chat_model model init_chat_model(deepseek‑chat)2、模型调用的两种方式全局通用后面 Agent 同样适用invoke(xxx)阻塞调用等待全部内容返回完毕stream(xxx)流式调用SSE 分片返回用来实现打字机效果后续给前端提供接口必备。res llm.invoke(你好) for chunk in llm.stream(介绍LangGraph): print(chunk.content, end)版本注意点求职必看课程里旧版create_agent(modelmodel)仅传入模型不传入工具新版 LangChain‑1.0 废弃运行报错新版要求使用 create_agent 必须同时传入 model 和 tools。二、消息对象 Messages2‑3 messages.ipynb1、三种基础消息类langchain_core.messagesSystemMessage系统提示词用来设定 AI 的身份、行为规范HumanMessage用户发送的消息AIMessage模型返回的消息。① 纯文本场景可以简写不需要手动写 content 字典from langchain_core.messages import SystemMessage, HumanMessage, AIMessage messages [ SystemMessage(你只能使用工具获取天气), HumanMessage(你好我是虎哥), AIMessage(你好虎哥很高兴认识你), HumanMessage(北京今天天气如何) ]底层原理HumanMessage(文本)只是简写形式LangChain 内部自动封装成下面格式HumanMessage(content[{type:text,text:北京今天天气如何}])② 多模态‑图片识别场景重点不能简写必须手动写 content 嵌套字典文本可以简写但是图片图文混合消息必须手动构造 content[...] 结构由 OpenAI 接口格式强制规定图片传入两种形式图片 URL 地址、本地图片转 Base64 编码。import base64 def encode_image(image_path): with open(image_path, rb) as f: return base64.b64encode(f.read()).decode(utf-8) base64_img encode_image(test.jpg) msg HumanMessage( content[ {type:text,text:详细描述图片内容}, {type:image_url,image_url:{url:fdata:image/jpeg;base64,{base64_img}}} ] )2、消息传入 Agent 的格式调用 agent.invoke 时参数是字典key 固定为 messages值为消息列表response agent.invoke({ messages:[ SystemMessage(使用工具获取天气信息), HumanMessage(北京今天天气如何) ] }) 获取最终结果 print(response[messages][-1].content)三、创建 Agent 智能体课程旧版和新版分开1、旧版课程写法LangChain‑0.0.346仅用于看懂课程代码步骤 1定义工具函数上方写文档字符串docstring模型靠文档理解工具功能def get_weather(location: str) - str: Get the weather in a given location. Args: location: city name or coordinates return fCurrent weather in {location} is sunny新版写法中推荐用 tool 装饰器定义工具比文档字符串更加规范。步骤 2创建 Agent旧版分两种形式废弃写法新版 1.0 不能用只传模型不传工具agent create_agent(modeldeepseek‑chat)合法写法新版 1.0 支持model tools 同时传入对应课程 2.3 节代码from langchain.agents import create_agent agent create_agent(modeldeepseek‑chat, tools[get_weather])缺陷旧版 create_agent 内部逻辑是黑盒你无法控制循环次数、失败重试、人工介入。2、企业新版生产写法简历项目优先使用LangGraph方式 1快速封装版 create_react_agent优先掌握from langgraph.prebuilt import create_react_agent from langchain.tools import tool 1.工具定义 tool def get_weather(location: str): 获取指定城市天气 return f{location}今天晴天 2.创建智能体 agent create_react_agent(modelllm, tools[get_weather]) 3.调用智能体同样支持invoke和stream res agent.invoke({messages:[(user,北京天气)]}) for chunk in agent.stream({messages:[(user,北京天气)]}, stream_modevalues): print(chunk[messages][-1].content, end)方式 2手动实现 State‑Node‑Edge面试加分项进阶抛弃封装好的 create_react_agent自己定义状态、节点、条件分支自定义工具循环次数、失败重试、人工介入Human‑in‑the‑loop这是面试重点。State保存对话消息Nodeagent_node(模型思考)、tool_node(执行工具)Edge条件判断模型需要调用工具就进入 tool_node否则结束。四、核心版本对比面试问答精简版对比维度LangChain‑0.0.346黑马课程LangChain‑1.0 新版create_agent 传参允许只传入模型必须同时传入 model 和 tools只传 model 会报错工具定义方式普通函数 文档字符串优先用 tool 装饰器复杂 Agent 项目整体黑盒自由度低官方推荐 LangGraph放弃原生 create_agent图片消息文本消息可以简写图片消息必须手动写 content 嵌套字典无法简化五、整体调用逻辑Agent 执行流程把历史消息全部传给大模型模型判断是否需要调用工具调用对应工具拿到结果工具返回结果再次交给模型整理成自然语言模型判断是否继续调用工具不需要调用则结束流程。
