API чат-модели LangChain
Этот документ содержит полный справочник по API для init_chat_model() и BaseChatModel.
Полные параметры init_chat_model()
| Parameters | Type | Значение по умолчанию | Описание |
|---|---|---|---|
| model | str или None | Отсутствует | Имя модели в формате provider:model_name. Передайте None, чтобы создать настраиваемую модель. |
| model_provider | str или None | Отсутствует | Укажите провайдера отдельно. Используйте, когда модель не может быть определена автоматически. |
| configurable_fields | "any" или list или None | Отсутствует | Поля, которые можно изменять во время выполнения. None=фиксированная модель, "any"=все настраиваемые. |
| config_prefix | str или None | Отсутствует | Префикс ключа конфигурации в сценариях с несколькими моделями. |
| temperature | float | Зависит от модели | Управляет случайностью, 0~2. 0=детерминированный, 2=максимальная креативность. |
| max_tokens | int | Максимум модели | Максимальное количество выходных токенов |
| timeout | int/float или None | Отсутствует | Таймаут запроса в секундах |
| max_retries | int | Зависит от модели | Количество повторных попыток при сбое |
| base_url | str или None | Официальный URL | Пользовательская конечная точка API |
| rate_limiter | BaseRateLimiter | Отсутствует | Ограничитель скорости |
| top_p | float или None | Зависит от модели | Параметр ядерной выборки, 0~1 |
| stop | list[str] | Отсутствует | Стоп-последовательность |
Методы BaseChatModel
| Метод | Описание | Возвращаемое значение |
|---|---|---|
| invoke(input, config=None, **kwargs) | Синхронно вызвать модель | AIMessage |
| ainvoke(input, config=None, **kwargs) | Асинхронно вызвать модель | AIMessage |
| stream(input, config=None, **kwargs) | Синхронный потоковый вызов | Iterator[AIMessageChunk] |
| astream(input, config=None, **kwargs) | Асинхронный потоковый вызов | AsyncIterator[AIMessageChunk] |
| batch(inputs, config=None, **kwargs) | Пакетный вызов | list[AIMessage] |
| bind_tools(tools, **kwargs) | Привязать список инструментов | Runnable[input, AIMessage] |
| with_structured_output(schema, **kwargs) | Привязать схему структурированного вывода | Runnable[input, BaseModel/dict] |
| bind(**kwargs) | Привязать параметры времени выполнения | Runnable |
Краткий справочник по поддерживаемым провайдерам моделей
| Имя провайдера | Пакет для установки | Пример значения модели |
|---|---|---|
| openai | langchain-deepseek | deepseek:deepseek-v4-flash |
| anthropic | langchain-anthropic | anthropic:claude-sonnet-4-5-20250929 |
| deepseek | langchain-deepseek | deepseek:deepseek-chat |
| google_genai | langchain-google-genai | google_genai:gemini-2.5-flash |
| ollama | langchain-ollama | ollama:llama3.2 |
| groq | langchain-groq | groq:llama-3.3-70b |
| xai | langchain-xai | xai:grok-3 |
| mistralai | langchain-mistralai | mistralai:mistral-large |
| openrouter | langchain-openrouter | openrouter:openai/gpt-4o |
| perplexity | langchain-perplexity | perplexity:sonar-pro |
Общие примеры использования
Примеры
from langchain.chat_models import init_chat_model
# Фиксированная модель
model = init_chat_model("deepseek:deepseek-v4-flash", temperature=0)
response = model.invoke("Hello")
# Настраиваемая модель
model = init_chat_model(configurable_fields=("model", "temperature"))
response = model.invoke("Hello", config={
"configurable": {"model": "deepseek:deepseek-v4-flash", "temperature": 0.3}
})
# Привязать инструменты
model_with_tools = model.bind_tools([my_tool])
response = model_with_tools.invoke("Query the weather")
# Структурированный вывод
model_structured = model.with_structured_output(MySchema)
result = model_structured.invoke("Extract information")
# Фиксированная модель
model = init_chat_model("deepseek:deepseek-v4-flash", temperature=0)
response = model.invoke("Hello")
# Настраиваемая модель
model = init_chat_model(configurable_fields=("model", "temperature"))
response = model.invoke("Hello", config={
"configurable": {"model": "deepseek:deepseek-v4-flash", "temperature": 0.3}
})
# Привязать инструменты
model_with_tools = model.bind_tools([my_tool])
response = model_with_tools.invoke("Query the weather")
# Структурированный вывод
model_structured = model.with_structured_output(MySchema)
result = model_structured.invoke("Extract information")