LangChain 是一个强大的开源框架，专为构建与大语言模型（LLMs）相关的应用而设计。通过将多个 API、数据源和外部工具无缝集成，LangChain 能帮助开发者更高效地构建智能应用。

from langchain.chat_models import ChatOpenAI
from langchain.schema import HumanMessage, SystemMessage

2.配置ChatOpenAI实例

chat_model = ChatOpenAI(
    #model="deepseek-chat",
    #model = "Pro/deepseek-ai/DeepSeek-R1",
    #model = "Qwen/Qwen2.5-72B-Instruct",
    model = "Qwen/Qwen2.5-7B-Instruct",
    openai_api_key=DEEPSEEK_API_KEY,
    openai_api_base=DEEPSEEK_API_BASE,
    temperature=0.7, 
    max_tokens=500, 
    stream=False 
    )

3.构建消息列表

messages = [    SystemMessage(content="你是一个知识渊博的助手，能回答各种问题。"),   
 HumanMessage(content="介绍一下长城")
 ]

4.调用大模型并获取返回结果

# 调用大模型
response = chat_model.invoke(messages)
print(response.content)

model_name：指定要使用的具体模型名称，例如ChatOpenAI中可以指定model_name="gpt - 3.5 - turbo"

temperature：控制生成文本的随机性，取值范围在 0 到 1 之间，值越大生成的文本越随机

max_tokens：限制生成文本的最大 token 数量

stream：如果设置为True(默认值是False)，模型将以流式输出的方式返回结果，即边生成边返回，而不是等整个生成过程结束后再返回，适用于需要实时获取生成结果的场景。

6.运行代码输出结果

三、总结

      LangChain 提供了丰富的接口用于和不同的大模型集成和交互， 可帮助开发者轻松地 构建出功能强大的对话式智能应用。