LangChain Models 组件
LangChain 支持三种模型类型，分别服务于不同的输入输出形态。
1. LLMs（大语言模型）
- 输入文本字符，返回文本字符
- 常用模型下载：huggingface.co/models
python
from langchain_community.llms import Ollama
model = Ollama(model="qwen2.5:7b")2. Chat Models（聊天模型）
- 基于 LLMs，但输入和输出都是聊天消息（结构化格式）
- 消息类型：
- HumanMessage：用户发送的提示信息
- AIMessage：模型的响应，用于回传历史
- SystemMessage：设定模型行为和目标（如"返回 JSON 格式"）
- ChatMessage：任意形式的消息（推荐尽量使用前三种）
3. Embeddings Models（嵌入模型）
- 将文本转换为浮点数向量列表
- 作用：文本向量化，用于语义搜索等
python
from langchain_community.embeddings import OllamaEmbeddings
model = OllamaEmbeddings(model="mxbai-embed-large", temperature=0)
# 单个查询向量
res1 = model.embed_query('这是第一个测试文档')
print(len(res1)) # 1024
# 多个文档向量
res2 = model.embed_documents(['这是第一个测试文档', '这是第二个测试文档'])小结
| 类型 | 输入 | 输出 | 典型用途 |
|---|---|---|---|
| LLMs | 文本 | 文本 | 简单补全 |
| Chat Models | 消息列表 | 消息 | 对话、Agent |
| Embeddings | 文本 | 向量 | 语义检索、RAG |