1. LangChain 模型调用基础解析在构建基于大语言模型的应用程序时LangChain 提供了两种核心模型接口LLM大型语言模型和 Chat Models聊天模型。这两者的本质区别在于输入输出结构和适用场景。1.1 LLM 基础调用模式LLM 采用最基础的文本输入-文本输出模式适合不需要维护对话历史的场景。典型调用示例如下from langchain.llms import OpenAI llm OpenAI(model_namegpt-3.5-turbo, temperature0.7) response llm(请用Python写一个快速排序算法)关键参数说明temperature控制生成随机性0-1值越高输出越多样max_tokens限制生成的最大token数量top_p核采样概率阈值影响词汇选择范围注意当需要处理超长文本时建议结合TextSplitter进行分块处理避免超过模型上下文窗口限制1.2 Chat Models 对话式交互Chat Models 采用结构化消息接口支持多轮对话上下文维护。其核心消息类型包括SystemMessage设定AI角色和行为指令HumanMessage用户输入内容AIMessageAI的回复记录from langchain.chat_models import ChatOpenAI from langchain.schema import HumanMessage, SystemMessage chat ChatOpenAI(temperature0.5) messages [ SystemMessage(content你是一位资深Python开发专家), HumanMessage(content请解释装饰器的工作原理) ] response chat(messages)1.3 两种模型的性能对比通过基准测试发现基于GPT-3.5-turbo模型指标LLM模式Chat模式单次调用延迟(ms)320350上下文记忆能力无强复杂指令理解一般优秀适合场景单次查询多轮对话2. 高级调用技巧与性能优化2.1 批量处理与并行调用对于需要处理大量查询的场景可以使用generate方法实现批量调用# LLM批量调用 llm_result llm.generate([简述机器学习, 解释神经网络]*5) # Chat批量调用 batch_messages [ [SystemMessage(content你是个数学老师), HumanMessage(content22?)], [SystemMessage(content你是个诗人), HumanMessage(content写一首春天的诗)] ] chat_result chat.generate(batch_messages)性能优化建议设置合理的max_workers参数控制并发度对相似指令使用相同的temperature设置批量大小建议控制在10-20之间2.2 流式输出处理对于生成长文本的场景使用流式输出可以显著提升用户体验from langchain.callbacks.streaming_stdout import StreamingStdOutCallbackHandler chat ChatOpenAI( streamingTrue, callbacks[StreamingStdOutCallbackHandler()], temperature0 ) chat([HumanMessage(content用500字介绍深度学习发展史)])2.3 超时与重试机制网络不稳定的生产环境中需要添加可靠性保障from langchain.llms import OpenAI from tenacity import retry, stop_after_attempt, wait_exponential retry(stopstop_after_attempt(3), waitwait_exponential(multiplier1, min4, max10)) def reliable_llm_invoke(prompt): llm OpenAI(request_timeout30) return llm(prompt)3. 实际应用场景案例3.1 知识问答系统实现from langchain.chains import RetrievalQA from langchain.vectorstores import FAISS from langchain.embeddings import OpenAIEmbeddings # 构建检索链 qa_chain RetrievalQA.from_chain_type( llmChatOpenAI(), chain_typestuff, retrieverFAISS.load_local(faiss_index, OpenAIEmbeddings()).as_retriever() ) response qa_chain.run(LangChain是什么框架)3.2 多步骤任务分解from langchain.agents import initialize_agent, Tool from langchain.agents import AgentType tools [ Tool( nameSearch, funcsearch_tool, description用于搜索最新信息 ), Tool( nameCalculator, funccalculator, description用于数学计算 ) ] agent initialize_agent( tools, ChatOpenAI(temperature0), agentAgentType.CHAT_ZERO_SHOT_REACT_DESCRIPTION, verboseTrue ) agent.run(特斯拉当前股价是多少比去年上涨了百分之多少)4. 常见问题排查指南4.1 性能问题排查典型性能瓶颈及解决方案高延迟检查模型版本如使用gpt-3.5-turbo而非text-davinci-003减少max_tokens数值启用流式输出高错误率实现指数退避重试添加请求超时设置监控API调用配额4.2 内容质量问题常见问题处理方案问题现象可能原因解决方案输出不符合预期提示词不明确添加SystemMessage明确要求结果不完整max_tokens设置过小增大参数值或分阶段处理出现幻觉信息temperature过高降低至0.3以下并添加事实校验4.3 上下文管理技巧对于长对话场景推荐采用以下策略定期总结对话历史使用ConversationBufferWindowMemory限制记忆长度关键信息显式重提from langchain.memory import ConversationBufferWindowMemory memory ConversationBufferWindowMemory(k5, return_messagesTrue) memory.save_context({input: 你好}, {output: 你好有什么可以帮您})在实际项目开发中我发现模型调用约30%的性能损耗来自于不合理的参数配置。经过反复测试对于中文场景建议temperature设置在0.3-0.7之间max_tokens不超过800。同时Chat模式虽然比基础LLM调用稍慢但在复杂任务中通过减少无效交互反而能提升整体效率。