调用后的返回信息

response = model.invoke("写一句关于春天的诗，14 字以内")

print(type(model))             # 模型客户端对象
print(type(response))          # AIMessage
print(type(response.content))  # str

AIMessage 上常见字段

字段 / 属性	作用	通常怎么用
content	模型回复正文	最常用，绝大多数业务先读它
response_metadata	厂商返回的原始元数据	看模型名、finish_reason、token_usage 等
usage_metadata	LangChain 统一整理后的用量信息	看 input/output/total tokens
tool_calls	工具调用信息	做 Tools / Agent 时很关键
additional_kwargs	厂商扩展字段	按需使用

 

若 usage_metadata 为空，可优先查看 response_metadata 中的 token_usage 等原始结构

最常见的消息类型包括：SystemMessage、HumanMessage、AIMessage、ToolMessage

openai.OPENAI与ChatOpenAI的区别

 

	openai.OpenAI	langchain_openai.ChatOpenAI
所属生态	OpenAI 官方 Python SDK	LangChain 生态
定位	更底层、直接发请求	LangChain 中的聊天模型封装
返回结果	更贴近 OpenAI 原生响应结构	更贴近 AIMessage 等 LangChain 结构
适合场景	只想简单调 API	想继续接 Prompt、Parser、LCEL、Agent

不同调用写法

1. 使用ChatOpenAI

from langchain_openai import ChatOpenAI
import os

from dotenv import load_dotenv

load_dotenv(encoding="utf-8")
chat_llm = ChatOpenAI(
    model="qwen-plus",  # 可按需更换，模型列表见阿里云文档
    api_key=os.getenv("aliQwen-api"),  # 或 os.getenv("QWEN_API_KEY")
    base_url="https://dashscope.aliyuncs.com/compatible-mode/v1",
)
messages = [
    {"role": "system", "content": "You are a helpful assistant."},
    {"role": "user", "content": "你是谁？"},
]
# 返回值是 AIMessage；若你要看 token 用量、finish_reason、模型名等，可继续查看 response.response_metadata。
print(response.content)

2. 使用init_chat_model

import os
from langchain.chat_models import init_chat_model

from dotenv import load_dotenv

load_dotenv(encoding="utf-8")
model = init_chat_model(
    model="deepseek-chat",
    api_key=os.getenv("deepseek-api"),
    base_url="https://api.deepseek.com",
)
# ========== 3. 调用并取正文（两种写法均可） ==========
# 写法一：单条用户输入字符串（最简）
# 仅传 str 时，框架会当作一条 user/human 消息，无法在此形式下单独写 system；要 system 请用写法二或消息对象。
print(model.invoke("你是谁？").content)
messages = [
    {"role": "system", "content": "You are a helpful assistant."},
    {"role": "user", "content": "你是谁？"},
]
response = model.invoke(messages)
print(response.content)

 真实项目选型建议

第一层选择：先决定是不是要进入 LangChain 体系。

• 只是简单调用：原生 SDK 就够
• 要继续做 Prompt、Parser、LCEL、Agent：尽早进入 LangChain 模型对象

第二层选择：在 LangChain 里决定用 provider 类还是统一入口。

• 新项目优先考虑 init_chat_model
• 维护旧项目或已有 provider 类代码时，直接用 ChatOpenAI / ChatDeepSeek / ChatTongyi 也完全合理

第三层选择：决定走兼容接口还是原生 provider。

• 想统一风格、少记类名：兼容接口路线更简单
• 想贴近厂商原生能力：原生 provider 路线通常表达更完整