LangChain 模型的三种创建方式详解

本文结合第 02 章“模型的创建与调用”，解释厂商专用集成类、OpenAI 协议兼容方式和 init_chat_model() 统一初始化的区别、联系与适用场景。

这里的“创建模型”指创建一个用于调用模型服务的 Python 客户端对象。它不会训练模型，也不会把在线模型的权重下载到本地。

示例按课件使用的 LangChain Python 1.x 风格编写，仅做静态语法检查，未调用真实模型服务。模型 ID、接口地址、参数别名及支持的集成类型，以实际平台和安装版本为准。

1. 三种方式先看全貌

方式	典型写法	核心作用
厂商专用集成类	`ChatDeepSeek(...)`、`ChatTongyi(...)`	直接创建针对特定服务的适配对象
OpenAI 协议兼容方式	`ChatOpenAI(model=..., base_url=...)`	使用 OpenAI 集成连接支持相应兼容接口的服务
统一初始化方式	`init_chat_model(model=..., model_provider=...)`	根据配置选择并创建具体的集成类

前两种主要解决“用什么适配类调用服务”，第三种解决“怎样统一选择并创建适配类”。因此，它们可以组合使用。

例如，init_chat_model() 既可以创建 ChatDeepSeek，也可以创建连接兼容平台的 ChatOpenAI。

text

创建入口                         最终使用的适配类           模型服务

直接使用 ChatDeepSeek ──────────→ ChatDeepSeek ───────────→ DeepSeek 官网

直接使用 ChatOpenAI ────────────→ ChatOpenAI ─────────────→ base_url 指定的平台

init_chat_model
  ├─ model_provider="deepseek" ─→ ChatDeepSeek ───────────→ DeepSeek 官网或相应服务地址
  └─ model_provider="openai" ───→ ChatOpenAI ─────────────→ OpenAI 官方或兼容平台

2. 先分清模型、服务平台、协议和适配类

概念	回答的问题	例子
模型	使用哪个模型？	某个 DeepSeek 模型、`qwen-plus`
服务平台	由谁部署并提供访问入口？	DeepSeek 官网、阿里云百炼、本地推理服务
API 协议	请求和响应如何组织？	OpenAI Chat Completions、Responses、平台专有接口
LangChain 适配类	用哪个 Python 类连接服务？	`ChatDeepSeek`、`ChatOpenAI`、`ChatTongyi`
创建入口	怎样得到适配对象？	直接实例化，或使用 `init_chat_model()`

同一个模型可能由多个平台提供服务。同一个平台也可能提供多种 API 接口。

因此，看到“DeepSeek 模型”还不足以决定接入方式。还要知道它部署在哪个平台，以及该平台开放了什么接口。

3. 方式一：厂商专用集成类

3.1 基本原理

直接导入对应的 LangChain 集成类，再创建实例。

服务或集成	典型类	所属包举例
DeepSeek	`ChatDeepSeek`	`langchain-deepseek`
DashScope / 通义千问	`ChatTongyi`	`langchain-community`，另需对应 SDK 等依赖
Anthropic	`ChatAnthropic`	`langchain-anthropic`
Ollama	`ChatOllama`	`langchain-ollama`

集成类把 LangChain 的消息、工具定义和调用参数转换为服务端需要的形式，再把响应转换为 LangChain 消息对象。

3.2 示例：使用 ChatDeepSeek

安装本篇主要示例所需依赖；课程项目已有固定依赖时，优先使用课程的版本配置：

bash

pip install langchain langchain-deepseek langchain-openai python-dotenv

在示例项目根目录创建 .env：

dotenv

DEEPSEEK_API_KEY=替换为你的DeepSeek密钥
DEEPSEEK_MODEL=替换为DeepSeek平台当前支持的模型ID

下面各段 Python 示例可以分别保存运行，使用同一份 .env。示例显式读取模型 ID，避免把课件中的某个模型名称当成始终可用的名称。

python

import os

from dotenv import load_dotenv
from langchain_deepseek import ChatDeepSeek

load_dotenv()

model = ChatDeepSeek(
    model=os.environ["DEEPSEEK_MODEL"],
    api_key=os.environ["DEEPSEEK_API_KEY"],
)

response = model.invoke("请用一句话解释什么是 LangChain。")
print(response.content)

此处使用 DeepSeek 集成的默认服务地址。需要自定义地址时，应核对当前集成版本接受的参数名，不能假定所有集成的参数和别名完全相同。

load_dotenv() 默认不会覆盖已存在的环境变量；显式使用 override=True 才会让 .env 中的值覆盖同名环境变量。真实密钥不应提交到版本库，应将 .env 加入 .gitignore。

3.3 专用集成类与厂商原生 SDK 的区别

这两个概念容易混淆：

用法	所属层次	调用形式举例
LangChain 专用集成	LangChain 模型接口	`ChatTongyi(...).invoke(...)`
厂商原生 SDK	厂商自己的客户端接口	`dashscope.Generation.call(...)`

二者都可以调用模型，但只有前者天然采用 LangChain 的模型调用接口。原生 SDK 的返回类型和调用方式由厂商定义。

3.4 优势与适用场景

更有针对性地处理该服务的参数、响应和扩展字段。
可以接入 LangChain 的消息、提示词、工具和 Runnable 调用流程。
适合主要使用某一家服务，或需要其专有能力的项目。

专用集成也有边界：厂商刚开放的能力，不一定已经被当前版本封装。切换集成时，可能需要调整导入、依赖、认证方式和部分参数。

4. 方式二：OpenAI 协议兼容方式

4.1 为什么 ChatOpenAI 能调用其他厂商？

部分平台提供与 OpenAI API 相兼容的接口。只要服务支持相应的请求和响应结构，ChatOpenAI 就可以按兼容方式连接该服务。

使用 ChatOpenAI 不代表请求一定发送给 OpenAI，也不代表底层模型一定来自 OpenAI。

4.2 示例：通过兼容接口连接 DeepSeek

沿用前面的 .env：

python

import os

from dotenv import load_dotenv
from langchain_openai import ChatOpenAI

load_dotenv()

model = ChatOpenAI(
    model=os.environ["DEEPSEEK_MODEL"],
    api_key=os.environ["DEEPSEEK_API_KEY"],
    base_url="https://api.deepseek.com/v1",
)

response = model.invoke("请用一句话解释什么是 LangChain。")
print(response.content)

三个参数分别负责不同的事情：

参数	含义	本例
`model`	调用目标服务中的哪个模型	`.env` 中指定的 DeepSeek 模型
`api_key`	用哪个服务的凭证认证	DeepSeek 平台的密钥
`base_url`	请求发往哪个 API 基础地址	DeepSeek 的兼容接口地址

这里的 base_url 是基础地址，通常不需要自行追加 /chat/completions。具体路径以平台和集成文档为准。

4.3 换成百炼平台会发生什么？

例如调用百炼的千问兼容接口时，可以继续使用 ChatOpenAI，把配置换成：

参数	配置
`model`	账户可用的千问模型 ID，例如平台支持时的 `qwen-plus`
`api_key`	百炼平台的 API Key
`base_url`	对应地域的百炼兼容地址，例如中国内地服务的 `https://dashscope.aliyuncs.com/compatible-mode/v1`

不能只换模型名，仍保留另一平台的密钥和地址。模型 ID、地址和密钥必须与目标服务匹配。

4.4 兼容范围有什么限制？

“兼容 OpenAI”需要按具体能力理解：

兼容层面	需要核实的内容
API 端点	支持 Chat Completions、Responses，还是仅支持其中一个？
请求参数	是否接受输出长度、工具、结构化输出及推理相关参数？
响应字段	文本、工具调用、token 用量、扩展字段是否符合预期？
流式输出	是否支持所需的流式事件和用量统计？
模型能力	该模型本身是否支持工具、图片、严格 Schema 等能力？

能完成普通聊天，不代表其他能力也完整兼容。ChatOpenAI 不能给服务端增加尚未实现的能力，也不保证保留所有厂商特有字段。需要特定能力时，应核对专用集成与兼容接口各自的支持范围。

适合使用此方式的场景包括：平台提供 OpenAI 兼容接口、多个服务希望复用接入代码，或者尚无合适的专用集成。

5. 方式三：init_chat_model() 统一初始化

5.1 它是一个模型对象工厂

init_chat_model() 根据模型标识和 model_provider，选择相应的 LangChain 集成类。

python

from langchain.chat_models import init_chat_model

对于本篇这种固定配置且未启用运行时可配置字段的用法，可以把它理解为“帮你实例化具体的模型类”。

5.2 示例：选择 DeepSeek 专用集成

python

import os

from dotenv import load_dotenv
from langchain.chat_models import init_chat_model

load_dotenv()

model = init_chat_model(
    model=os.environ["DEEPSEEK_MODEL"],
    model_provider="deepseek",
    api_key=os.environ["DEEPSEEK_API_KEY"],
)

response = model.invoke("请用一句话解释什么是 LangChain。")
print(response.content)

本例选择 ChatDeepSeek，与前面直接创建专用集成对象的调用路径相对应。

5.3 示例：选择 OpenAI 集成，连接兼容接口

python

import os

from dotenv import load_dotenv
from langchain.chat_models import init_chat_model

load_dotenv()

model = init_chat_model(
    model=os.environ["DEEPSEEK_MODEL"],
    model_provider="openai",
    api_key=os.environ["DEEPSEEK_API_KEY"],
    base_url="https://api.deepseek.com/v1",
)

response = model.invoke("请用一句话解释什么是 LangChain。")
print(response.content)

本例选择 ChatOpenAI，然后连接 DeepSeek 的兼容接口。

这里的 model_provider="openai" 表示选择 OpenAI 集成，不表示把 DeepSeek 模型变成 OpenAI 模型。 最终请求地址由该集成的默认地址或显式配置的 base_url 决定。

5.4 “自适应”有哪几种写法？

以下是创建对象的写法，不包含真实模型调用。model_id 仍从前面的 .env 读取：

python

import os

from dotenv import load_dotenv
from langchain.chat_models import init_chat_model

load_dotenv()
model_id = os.environ["DEEPSEEK_MODEL"]

# 写法一：显式指定集成类型。
explicit_model = init_chat_model(
    model=model_id,
    model_provider="deepseek",
)

# 写法二：将集成类型写在模型字符串前缀中。
prefixed_model = init_chat_model(
    model=f"deepseek:{model_id}",
)

# 写法三：省略集成类型，尝试根据模型名称推断。
# 只有当前版本能识别该模型名时才适用，否则可能报错。
inferred_model = init_chat_model(
    model=model_id,
)

前两种写法明确选择集成。第三种依赖当前 LangChain 版本的内置推断规则，不能保证识别任意模型名，也无法仅凭名称可靠确定模型所在的平台。

例如，同名 DeepSeek 模型可能由官网或其他平台提供服务。即便推断到了 DeepSeek 集成，也不能据此得知你实际想使用百炼的接口。

项目中接入兼容平台、自定义模型名或第三方部署时，显式指定集成类型、地址和凭证通常更清楚。

5.5 它不会自动完成哪些事？

不会自动安装集成包。选择 deepseek 仍需要安装 langchain-deepseek，选择 openai 仍需要安装 langchain-openai。
不会联网探测任意服务，再自动推断其协议。
不会根据问题自动选择最聪明或最便宜的模型。
不会自动在服务故障后切换到另一家供应商。
不会消除不同模型之间的参数、认证和能力差异。

统一初始化方便的是创建入口。运行时路由、故障回退和成本策略，需要额外配置或实现。

6. 三种方式创建后，怎样调用？

采用上述方式得到的 LangChain 聊天模型对象，都可以通过统一的调用入口使用：

调用入口	用途
`model.invoke(...)`	等待一次完整结果
`model.stream(...)`	逐块消费输出
`model.batch([...])`	处理多个输入
`await model.ainvoke(...)`	异步等待一次结果

统一入口的存在，不意味着所有服务的底层实现和支持能力相同。例如流式输出、工具调用、结构化输出的具体行为，仍取决于模型、服务端和集成版本。

invoke() 通常返回 LangChain 的 AIMessage，通过 response.content 读取内容。对于多模态或内容块形式的结果，content 不一定是单一字符串，应按实际返回结构处理。

7. 对比与选型建议

比较项	厂商专用集成类	OpenAI 兼容方式	init_chat_model()
具体类由谁选择	开发者直接指定	开发者直接指定 `ChatOpenAI`	根据显式配置或内置规则选择
主要价值	针对服务适配	复用兼容接入方式	统一对象创建入口
专有能力支持	取决于专用集成版本	取决于兼容范围和字段处理	取决于最终选中的集成
切换平台的改动	可能需要换类、依赖和配置	通常先调整模型、地址、密钥，再核实能力	可集中修改创建配置，再核实依赖和能力
主要限制	各集成配置可能不同	兼容可能不完整	支持列表、推断规则和具体集成的限制

实际选择可以按下面的顺序判断：

确认服务平台和所需能力。 先知道模型部署在哪里、需要普通聊天还是工具等能力。
选择适配方式。 有合适的专用集成时评估专用类；平台明确提供所需的 OpenAI 兼容能力时，可以使用 ChatOpenAI。
选择创建入口。 学习时可直接实例化，方便理解调用路径；项目需要集中配置和切换模型时，可以使用 init_chat_model()。
验证实际需要的功能。 切换模型或平台后，检查文本、流式、工具和结构化输出中项目真正使用的部分。

对于百炼、OpenRouter 等平台上的 DeepSeek 模型，应按该平台的接口选择集成，并使用该平台的地址、密钥和模型 ID；不能因为名称中有 DeepSeek，就直接套用 DeepSeek 官网的配置。

8. 常见问题

使用 ChatOpenAI，是不是一定要 OpenAI 的 API Key？

不一定。连接哪个平台，就使用该平台认可的凭证。示例连接 DeepSeek 时，使用的是 DeepSeek 的 API Key。

model_provider 是不是填写模型的研发厂商？

在 init_chat_model() 中，它用于选择集成实现，不能简单等同于模型研发厂商。通过 OpenAI 兼容接口调用千问时，可以选择 openai 集成。

所有专用集成类都能通过 init_chat_model() 创建吗？

不能这样保证。某个类存在于 LangChain 生态中，不代表它在当前版本的统一工厂中有对应注册项。应查看当前版本的支持列表，必要时直接实例化专用类。

init_chat_model() 是不是一定比直接实例化更强？

它主要统一创建入口。最终采用同一个集成、同一个服务和同一组配置时，不能因为换了创建入口就获得额外的模型能力。

统一创建后，是不是只改 model 就能随意换厂商？

不能保证。跨平台通常还涉及地址、凭证、依赖、参数和模型能力。统一创建可以集中管理这些配置，但不会自动解决所有差异。

9. 延伸阅读

外部链接用于查阅实际安装版本的接口与能力，本篇整理未逐项在线核验最新版本。

LangChain 模型的三种创建方式详解 ​

1. 三种方式先看全貌 ​

2. 先分清模型、服务平台、协议和适配类 ​

3. 方式一：厂商专用集成类 ​

3.1 基本原理 ​

3.2 示例：使用 ChatDeepSeek ​

3.3 专用集成类与厂商原生 SDK 的区别 ​

3.4 优势与适用场景 ​

4. 方式二：OpenAI 协议兼容方式 ​

4.1 为什么 ChatOpenAI 能调用其他厂商？ ​

4.2 示例：通过兼容接口连接 DeepSeek ​

4.3 换成百炼平台会发生什么？ ​

4.4 兼容范围有什么限制？ ​

5. 方式三：init_chat_model() 统一初始化 ​

5.1 它是一个模型对象工厂 ​

5.2 示例：选择 DeepSeek 专用集成 ​

5.3 示例：选择 OpenAI 集成，连接兼容接口 ​

5.4 “自适应”有哪几种写法？ ​

5.5 它不会自动完成哪些事？ ​

6. 三种方式创建后，怎样调用？ ​

7. 对比与选型建议 ​

8. 常见问题 ​

9. 延伸阅读 ​

LangChain 模型的三种创建方式详解

1. 三种方式先看全貌

2. 先分清模型、服务平台、协议和适配类

3. 方式一：厂商专用集成类

3.1 基本原理

3.2 示例：使用 ChatDeepSeek

3.3 专用集成类与厂商原生 SDK 的区别

3.4 优势与适用场景

4. 方式二：OpenAI 协议兼容方式

4.1 为什么 ChatOpenAI 能调用其他厂商？

4.2 示例：通过兼容接口连接 DeepSeek

4.3 换成百炼平台会发生什么？

4.4 兼容范围有什么限制？

5. 方式三：init_chat_model() 统一初始化

5.1 它是一个模型对象工厂

5.2 示例：选择 DeepSeek 专用集成

5.3 示例：选择 OpenAI 集成，连接兼容接口

5.4 “自适应”有哪几种写法？

5.5 它不会自动完成哪些事？

6. 三种方式创建后，怎样调用？

7. 对比与选型建议

8. 常见问题

9. 延伸阅读