Chat Models #
聊天模型简介 #
Chat Models是使用一系列消息(messages)作为输入，并返回对话消息(chat messages)作为输出的语言模型（不同于使用纯文本的模型）。这些通常是较新的模型（较早的模型一般是LLM，见下文）。
Chat Models支持为对话消息分配不同的角色，帮助区分来自AI、用户(user)和系统(system)消息等指令的内容。
虽然底层模型是以消息为输入并输出消息，但LangChain的封装也允许这些模型接受字符串作为输入。这意味着你可以轻松地将ChatModel用作LLM。
当使用字符串作为输入时，它会被转换为HumanMessage，然后传递给底层模型。
LangChain本身并不托管任何聊天模型，而是依赖第三方集成。
在构建ChatModels时有一些标准化的参数：
model：模型的名称temperature：采样温度timeout：请求超时时间max_tokens：生成的最大token数量stop：默认的停止序列max_retries：请求重试的最大次数api_key：模型提供商的API密钥base_url：发送请求的端点
需要注意的一些重要事项：
- 标准参数只适用于那些暴露出相应功能参数的模型提供商。例如，有些提供商不支持最大输出 token 配置，因此这些模型不支持
max_tokens。 - 标准参数目前仅对拥有自己集成包的模型强制执行（如
langchain-openai、langchain-anthropic等），而不强制对langchain-community中的模型执行。 - ChatModels也接受特定于该集成的其他参数。要查看某个ChatModel支持的所有参数，请查阅该模型的API参考文档。
提示
一些聊天模型经过专门微调以适应工具调用，并提供专门的API。通常，此类模型在工具调用(tool calling)方面比未经过微调的模型表现更好，建议在需要工具调用的使用场景中使用。有关更多信息，请参阅工具调用tool calling部分。
有关如何使用聊天模型的具体说明，请参阅此处的相关操作指南。
多模态 #
一些聊天模型是多模态的，能够接受图像、音频甚至视频作为输入。这些模型仍较为少见，模型提供商尚未对定义API的“最佳”方式进行标准化。多模态输出则更为少见。因此，LangChain保持了多模态抽象的轻量化，并计划随着领域的发展进一步完善多模态API和交互模式。
在LangChain中，大多数支持多模态输入的聊天模型也接受 OpenAI 的内容块格式。目前，这仅限于图像输入。对于像 Gemini 这样支持视频和其他字节输入的模型，API 也支持模型特定的原生表示形式。
有关如何使用多模态模型的具体说明，请参阅此处的相关操作指南。
要查看LangChain中支持多模态模型的模型提供商完整列表，请查阅此表格。