langchain-chat-models

name	langchain-chat-models
description	使用 LangChain 中的聊天模型集成指南，包括 OpenAI、Anthropic、Google、Azure 和 Bedrock
language	js

langchain-chat-models (JavaScript/TypeScript)

概述

LangChain 中的聊天模型为与各种 LLM 提供商交互提供了统一接口。它们接受消息序列作为输入，并返回 AI 生成的消息作为输出。聊天模型支持工具调用、结构化输出和流式传输等功能。

核心概念

• 聊天模型：接受消息（具有角色：system、user、assistant）并返回生成的响应
• 提供商：提供 LLM API 的不同 AI 公司（OpenAI、Anthropic、Google、Azure、Bedrock 等）
• 工具调用：模型可以根据用户查询调用函数/工具
• 流式传输：实时逐令牌响应生成
• 结构化输出：模型可以返回特定格式的响应（JSON、TypeScript 类型）

提供商选择决策表

提供商	最适合	模型示例	包	主要特性
OpenAI	通用、函数调用	gpt-4、gpt-4-turbo、gpt-3.5-turbo	@langchain/openai	强大的函数调用、视觉、快速
Anthropic	长上下文、安全性、分析	claude-3-opus、claude-3-sonnet、claude-3-haiku	@langchain/anthropic	200k 上下文、工具使用、提示缓存
Google GenAI	多模态、免费层	gemini-pro、gemini-pro-vision	@langchain/google-genai	视觉、提供免费层
Azure OpenAI	企业、合规性	gpt-4、gpt-35-turbo（Azure 部署）	@langchain/openai	企业 SLA、数据驻留
AWS Bedrock	AWS 生态系统、多样性	claude、llama、titan 模型	@langchain/aws	多个模型、AWS 集成
Google Vertex AI	GCP 生态系统、企业	gemini-pro、palm 模型	@langchain/google-vertexai	企业功能、GCP 集成

何时选择每个提供商

选择 OpenAI 如果：

• 您需要强大的函数/工具调用能力
• 您希望快速的响应时间
• 您正在构建通用应用程序

选择 Anthropic 如果：

• 您需要非常长的上下文窗口（100k-200k 令牌）
• 安全性和宪法 AI 原则很重要
• 您想要高质量的分析和推理

选择 Azure OpenAI 如果：

• 您需要企业 SLA 和支持
• 数据驻留和合规性至关重要
• 您已经在使用 Microsoft Azure

选择 AWS Bedrock 如果：

• 您在 AWS 生态系统中
• 您希望访问多个模型提供商
• 您需要多样性（Claude、Llama、Titan 等）

选择 Google（GenAI 或 Vertex）如果：

• 您需要强大的多模态能力
• 您在 GCP 生态系统中
• 您希望访问 Gemini 模型

代码示例

OpenAI 聊天模型

import { ChatOpenAI } from "@langchain/openai";

// 基本初始化
const model = new ChatOpenAI({
  modelName: "gpt-4",
  temperature: 0.7,
  openAIApiKey: process.env.OPENAI_API_KEY, // 如果在 env 中设置则可选
});

// 调用模型
const response = await model.invoke([
  { role: "system", content: "你是一个有用的助手。" },
  { role: "user", content: "什么是 LangChain？" }
]);

console.log(response.content);

// 流式响应
const stream = await model.stream("给我讲个故事");
for await (const chunk of stream) {
  process.stdout.write(chunk.content);
}

Anthropic 聊天模型

import { ChatAnthropic } from "@langchain/anthropic";

const model = new ChatAnthropic({
  modelName: "claude-3-opus-20240229",
  temperature: 0.7,
  anthropicApiKey: process.env.ANTHROPIC_API_KEY,
  maxTokens: 1024,
});

// 长上下文使用
const response = await model.invoke([
  { role: "user", content: "分析这个长文档..." }
]);

// 使用工具
const modelWithTools = model.bindTools([
  {
    name: "get_weather",
    description: "获取位置的天气",
    input_schema: {
      type: "object",
      properties: {
        location: { type: "string" }
      },
      required: ["location"]
    }
  }
]);

Azure OpenAI 聊天模型

import { AzureChatOpenAI } from "@langchain/openai";

const model = new AzureChatOpenAI({
  azureOpenAIApiKey: process.env.AZURE_OPENAI_API_KEY,
  azureOpenAIApiInstanceName: process.env.AZURE_OPENAI_API_INSTANCE_NAME,
  azureOpenAIApiDeploymentName: process.env.AZURE_OPENAI_API_DEPLOYMENT_NAME,
  azureOpenAIApiVersion: "2024-02-01",
  temperature: 0.7,
});

const response = await model.invoke("你好，你好吗？");

AWS Bedrock 聊天模型

import { ChatBedrockConverse } from "@langchain/aws";

const model = new ChatBedrockConverse({
  model: "anthropic.claude-3-sonnet-20240229-v1:0",
  region: "us-east-1",
  credentials: {
    accessKeyId: process.env.AWS_ACCESS_KEY_ID,
    secretAccessKey: process.env.AWS_SECRET_ACCESS_KEY,
  },
});

const response = await model.invoke("什么是 AWS Bedrock？");

Google Generative AI

import { ChatGoogleGenerativeAI } from "@langchain/google-genai";

const model = new ChatGoogleGenerativeAI({
  modelName: "gemini-pro",
  apiKey: process.env.GOOGLE_API_KEY,
  temperature: 0.7,
});

const response = await model.invoke("解释量子计算");

使用 initChatModel（推荐）

import { initChatModel } from "langchain/chat_models/universal";

// 根据环境自动选择模型
const model = await initChatModel("gpt-4", {
  modelProvider: "openai",
  temperature: 0.7,
});

// 或使用 Bedrock
const bedrockModel = await initChatModel(
  "anthropic.claude-3-sonnet-20240229-v1:0",
  { modelProvider: "bedrock" }
);

工具调用示例

import { ChatOpenAI } from "@langchain/openai";
import { z } from "zod";
import { tool } from "@langchain/core/tools";

// 定义工具
const weatherTool = tool(
  async ({ location }) => {
    return `${location}的天气：晴朗，72°F`;
  },
  {
    name: "get_weather",
    description: "获取位置的当前天气",
    schema: z.object({
      location: z.string().describe("城市名称"),
    }),
  }
);

// 将工具绑定到模型
const model = new ChatOpenAI({
  modelName: "gpt-4",
}).bindTools([weatherTool]);

const response = await model.invoke("旧金山的天气怎么样？");
console.log(response.tool_calls); // 模型将建议调用天气工具

边界

代理可以做什么

✅ 初始化任何支持的聊天模型提供商

• 安装所需的包（@langchain/openai、@langchain/anthropic 等）
• 使用 API 密钥和参数配置模型

✅ 配置模型参数

• 设置 temperature、max tokens、top_p、frequency_penalty
• 配置流式传输、超时和重试设置

✅ 使用模型进行文本生成

• 发送消息并接收响应
• 逐令牌流式传输响应
• 使用系统提示和多轮对话

✅ 实现工具/函数调用

• 将工具绑定到支持它的模型
• 解析工具调用响应
• 执行工具并返回结果

✅ 在提供商之间切换

• 使用 initChatModel 编写与提供商无关的代码
• 通过更新配置更改提供商

代理不能做什么

❌ 创建新的模型提供商

• 无法添加对未列出的 LLM 提供商的支持
• 必须使用现有的 LangChain 集成

❌ 绕过提供商要求

• 无法在没有部署名称的情况下使用 Azure OpenAI
• 无法跳过所需的身份验证凭据

❌ 修改模型能力

• 无法为不支持工具调用的模型添加工具调用
• 无法将上下文窗口扩展到提供商限制之外

❌ 在没有正确设置的情况下访问模型

• 无法在没有有效 API 密钥的情况下使用提供商
• 无法绕过计费/配额限制

常见陷阱

1. API 密钥和环境变量

// ❌ 错误：硬编码 API 密钥
const model = new ChatOpenAI({
  openAIApiKey: "sk-..."  // 永远不要提交这个！
});

// ✅ 正确：使用环境变量
const model = new ChatOpenAI({
  openAIApiKey: process.env.OPENAI_API_KEY
});

修复：始终使用环境变量或安全密钥管理系统。

2. Azure OpenAI 配置复杂性

// ❌ 不完整：缺少必填字段
const model = new AzureChatOpenAI({
  azureOpenAIApiKey: process.env.AZURE_OPENAI_API_KEY,
});

// ✅ 完整：所有必填字段
const model = new AzureChatOpenAI({
  azureOpenAIApiKey: process.env.AZURE_OPENAI_API_KEY,
  azureOpenAIApiInstanceName: "my-instance",
  azureOpenAIApiDeploymentName: "gpt-4-deployment",
  azureOpenAIApiVersion: "2024-02-01",
});

修复：Azure 需要实例名称、部署名称和 API 版本。

3. 模型名称变化

// 不同提供商有不同的模型命名约定
// OpenAI
const openai = new ChatOpenAI({ modelName: "gpt-4" });

// Bedrock（包括提供商前缀）
const bedrock = new ChatBedrockConverse({
  model: "anthropic.claude-3-sonnet-20240229-v1:0"
});

// Anthropic（直接模型名称）
const anthropic = new ChatAnthropic({
  modelName: "claude-3-opus-20240229"
});

修复：查看提供商文档以获取正确的模型标识符。

4. 工具调用支持

// ❌ 并非所有模型都支持工具调用
const model = new ChatOpenAI({ modelName: "gpt-3.5-turbo-instruct" });
// 这个旧模型不支持工具！

// ✅ 使用支持工具的模型
const model = new ChatOpenAI({ modelName: "gpt-4" });
const withTools = model.bindTools([myTool]);

修复：在绑定工具之前验证模型是否支持函数/工具调用。GPT-4、GPT-3.5-turbo、Claude 3 和 Gemini Pro 都支持工具。

5. 速率限制和配额

// ❌ 没有重试逻辑
const model = new ChatOpenAI();
const response = await model.invoke("你好"); // 可能因速率限制而失败

// ✅ 配置重试
const model = new ChatOpenAI({
  maxRetries: 3,
  timeout: 30000, // 30 秒
});

修复：配置重试逻辑并优雅地处理速率限制错误。

6. 上下文窗口限制

// ❌ 超过上下文限制
const model = new ChatOpenAI({ modelName: "gpt-3.5-turbo" }); // 4k 上下文
const longText = "...".repeat(10000);
await model.invoke(longText); // 会失败！

// ✅ 为长上下文使用适当的模型
const model = new ChatOpenAI({ modelName: "gpt-4-turbo" }); // 128k 上下文
// 或
const model = new ChatAnthropic({
  modelName: "claude-3-opus-20240229" // 200k 上下文
});

修复：为您的用例选择具有适当上下文窗口的模型。

7. 流式与非流式

// ❌ 错误地混合使用流式和非流式
const response = await model.stream("你好");
console.log(response.content); // 不起作用！response 是异步可迭代对象

// ✅ 正确处理流式传输
const stream = await model.stream("你好");
for await (const chunk of stream) {
  console.log(chunk.content);
}

// 或使用 invoke 进行非流式
const response = await model.invoke("你好");
console.log(response.content);

修复：使用 invoke() 获得完整响应，使用 stream() 进行逐令牌传输。

链接和资源

官方文档

• LangChain JS 聊天模型概述
• OpenAI 集成
• Anthropic 集成
• Azure OpenAI 集成
• AWS Bedrock 集成
• Google GenAI 集成

提供商文档

• OpenAI API 文档
• Anthropic API 文档
• Azure OpenAI 服务
• AWS Bedrock
• Google AI Studio

包安装

# OpenAI
npm install @langchain/openai

# Anthropic
npm install @langchain/anthropic

# AWS (Bedrock)
npm install @langchain/aws

# Google
npm install @langchain/google-genai
npm install @langchain/google-vertexai