Chain Chain链：将组件串联，上一个组件的输出作为下一个组件的输入是LangChain链（尤其是|管道链）的核心工作原理，实现数据的自动化流转与组件的协同工作： chain = prompt_template | model 前提：Runnable子类对象才能入链（以及Callable、Mapping接口子类对象也可以加入）。 重要点： 可以通过“|”符号来让各个组件行成链 成链的各个组件，需是Runnable接口的子类 形成的链是RunnableSerializable对象（Runnable接口子类） 可通过链调用invoke或stream触发真个链条的执行 from langchain_core.prompts import ChatPromptTemplate, MessagesPlaceholder from langchain_community.chat_models.tongyi import ChatTongyi chat_prompt_template = ChatPromptTemplate.from_messages(     [         (“system”, “你是一位与人交往风趣幽默的同事，情商超高。”),         MessagesPlaceholder(variable_name=”history”),         (“human”, “有个同事心情不好，你帮我安慰他”)     ] ) history_data = [     (“system”,

JavaScript Object Notation：是一种轻量级的数据交换格式，易于人阅读和编写，同时也易于机器解析和生成。Json是带有格式的字符串，主要用于数据交换，即程序和程序之间的信息互传，使用Json会更加方便。Json主要由2种结构：Json对象和Json数组。 { “key”: value, “key”: value } 其中： key必须是字符串 value可以是： 数字 字符串 列表 Json对象或Json数组 Json数组可以简单理解成Python中的列表套多个字典：[{}, {}, {}]， Json对象：Python字典 Json对象： { “age”: 11, “name”: “周杰伦”, “hobby”: [“唱”,”跳”,”rap”], “other”: { “身高”：172， “体重”：68 } } Json数组： [ {“name”: “周杰伦”, “age”：11}， {“name”: “蔡依林”, “age”：12}， {“name”: “小明”, “age”：16} ] Python中使用Json： import json d = {     “name”:

LangChain 围绕LLMs（大预言模型）建立的一个框架。LangChains自身并不开发LLMs，它的核心理念是为各种LLMs实现通用的接口，把LLMs相关的组件“链接”在一起，简化LLMs应用的开发难度，方便开发者快速地开发复杂的LLMs应用。 主要功能： Prompts 优化提示词（提示词工程） Models 调用各类模型 History 管理会话历史记录（记忆） Indexes 管理和分析各类文档 Chains 构建功能的执行链条 Agent 构建智能体 LangChain 是一个LLM相关业务功能的集大成者，是一个Python的第三方库，提供了各种功能的API。 pip install langchain langchain-community dashscope chromadb langchain-ollama langchain: 核心包 langchain-community: 社区支持包，提供了更多的第三模型调用（阿里云百炼） langchain-ollama：ollama支持包，支持调用ollama托管部署的本地模型 dashscope：阿里云通义千问的Python SDK chromadb：轻量向量数据库 LangChain目前支持三种类型的模型：LLMs（大预言模型）、Chat Models（聊天模型）、Embeddings Models（嵌入模型） LLMs： 技术范畴的统称，指基于大参数量、海量文本训练的Transformer架构模型，核心能力是理解和生成自然语言，主要服务于文本生成场景 聊天模型：应用范畴的细分，是专为对话场景优化的LLMs，核心能力是模拟人类对话的轮次交互，主要服务于聊天场景 文本嵌入模型：文本嵌入模型接收文本作为输入，得到文本的向量 LLM 大语言模型 from langchain_ollama import OllamaLLM model = OllamaLLM(model=”qwen3:4b”) res = model.invoke(input = “请介绍一下你自己”) print(res) from

OpenAI库是OpenAI官方推出的Python SDK，核心作用是让开发者能简单、高效地调用OpenAI的各类API（如GPT聊天，DALL E绘图，语音转文字等），无需手动处理HTTP请求，身份验证等底层细节。由于其发布较早且比较医用，现如今许多模型服务商均兼容OpenAI SDK的调用。 主要分为三步： 1. 获取客户端对象： from openai import OpenAI client = OpenAI( api_key=os.getenv(“OPENAI_API_KEY”), base_url=”https://dashscope.aliyuncs.com/compatible-mode/v1″, #阿里云百炼 ) 2. 调用模型， 和模型对话 completion = client.chat.completions.create(     model=”glm-5″,     messages=[         {“role”: “system”, “content”: “你是一位怼人大师，请用犀利的语言怼人”},         {“role”: “assistant”, “content”: “专业怼人，专治各种不服！”},         {“role”: “user”, “content”: “你是谁，你能做什么”}