AI入门实战|Agent骨架与工具调用|基础LLM调用

简述

基于框架调用大模型（OpenAI/国内模型）

源码(sample-02-demo)

https://gitee.com/kcnf-python/ai-in-action

LangChain 1.x 核心组件

hatOpenAI

来自 langchain-openai，因为 DeepSeek 完全兼容 OpenAI 接口协议，
直接使用该类作为模型客户端

消息组件（langchain_core.messages）

SystemMessage：系统角色设定（人设、规则、背景）
HumanMessage：用户输入消息
AIMessage：模型返回消息

ChatPromptTemplate

结构化构建提示词，支持消息占位符，解耦文案与逻辑

Runnable 管道

LangChain 1.x 标准写法：提示词 | 模型，链式调用，简洁易维护

调用方式

invoke()：同步一次性返回结果
stream()：流式逐块输出（打字机效果）

代码演示

基础单轮调用

import tkinter as tk
from tkinter import simpledialog, messagebox
from langchain_openai import ChatOpenAI
from langchain_core.messages import SystemMessage, HumanMessage
from config import DEEPSEEK_API_KEY, DEEPSEEK_BASE_URL

def main():
    # 初始化窗口（隐藏主窗口，只弹输入框/弹窗）
    root = tk.Tk()
    root.withdraw()

    # 1. 初始化模型
    llm = ChatOpenAI(
        api_key=DEEPSEEK_API_KEY,
        base_url=DEEPSEEK_BASE_URL,
        model="deepseek-chat",
        temperature=0.3,
        max_tokens=1024,
        tiktoken_model_name=None  # 规避 tiktoken 报错
    )

    # 2. 窗口录入问题
    user_question = simpledialog.askstring("请输入问题", "向 DeepSeek 提问：")
    if not user_question:
        messagebox.showinfo("提示", "未输入内容，程序退出")
        return

    # 3. 组装消息并调用
    messages = [
        SystemMessage(content="你是专业技术助手，回答简洁明了。"),
        HumanMessage(content=user_question)
    ]
    response = llm.invoke(messages)

    # 4. 弹窗展示结果
    messagebox.showinfo("模型回复", response.content)

if __name__ == "__main__":
    main()

提示词+模板

from langchain_openai import ChatOpenAI
from langchain_core.prompts import ChatPromptTemplate
from config import DEEPSEEK_API_KEY, DEEPSEEK_BASE_URL

def main():
    llm = ChatOpenAI(
        api_key=DEEPSEEK_API_KEY,
        base_url=DEEPSEEK_BASE_URL,
        model="deepseek-chat",
        temperature=0.3,
        tiktoken_model_name=None
    )

    # 构建提示词模板
    prompt = ChatPromptTemplate.from_messages([
        ("system", "你是翻译助手，将用户内容翻译成英文。"),
        ("human", "{user_text}")
    ])

    # 管道组合链路
    chain = prompt | llm

    print("===== 文本翻译 =====")
    user_text = input("请输入中文内容：").strip()
    if not user_text:
        print("未输入内容，程序退出")
        return

    res = chain.invoke({"user_text": user_text})
    print(f"\n翻译结果：\n{res.content}")

if __name__ == "__main__":
    main()
    input("\n按回车键关闭窗口...")

管道流式

from langchain_openai import ChatOpenAI
from langchain_core.messages import SystemMessage, HumanMessage
from config import DEEPSEEK_API_KEY, DEEPSEEK_BASE_URL

def main():
    llm = ChatOpenAI(
        api_key=DEEPSEEK_API_KEY,
        base_url=DEEPSEEK_BASE_URL,
        model="deepseek-chat",
        temperature=0.3,
        tiktoken_model_name=None
    )

    print("===== 流式输出 =====")
    user_input = input("请输入问题：").strip()
    if not user_input:
        print("未输入内容，程序退出")
        return

    messages = [
        SystemMessage(content="你是编程助手，讲解通俗易懂。"),
        HumanMessage(content=user_input)
    ]

    print("\n模型回复：", end="", flush=True)
    for chunk in llm.stream(messages):
        print(chunk.content, end="", flush=True)

if __name__ == "__main__":
    main()
    input("\n\n按回车键关闭窗口...")

演示结果

Image text