乐学LangChain（3）：多轮对话和批量对话

1 关于对话模型的Message

内置的消息类型：

• SystemMessage ：设定AI行为规则或背景信息。比如设定AI的初始状态、行为模式或对话的总体目标。比如“作为一个代码专家”，或者“返回json格式”。通常作为输入消息序列中的第一个 传递。
• HumanMessage ：表示来自用户输入。比如“实现 一个快速排序方法”
• AIMessage ：存储AI回复的内容。这可以是文本，也可以是调用工具的请求
• ChatMessage ：可以自定义角色的通用消息类型
• FunctionMessage/ToolMessage ：函数调用/工具消息，用于函数调用结果的消息类型

  
from langchain_openai import ChatOpenAI  
from langchain_core.messages import SystemMessage, HumanMessage  
import dotenv  
dotenv.load_dotenv()  
  
messages=[  
    SystemMessage(content="你是一个专业的python代码编写助手"),  
    HumanMessage(content="你是谁")  
]  
chat_model = ChatOpenAI(model="Qwen/Qwen3-14B")  
response=chat_model.invoke(messages)  
print(response.content)

2、批量调用

多个消息可以批量发送。

  
from langchain_openai import ChatOpenAI  
from langchain_core.messages import SystemMessage, HumanMessage,AIMessage  
import dotenv  
dotenv.load_dotenv()  
  
messages1=[  
    SystemMessage(content="你是一个专业的python代码编写助手"),  
    HumanMessage(content="请用户实现一段冒泡算法"),  
]  
  
messages2=[  
    SystemMessage(content="你是一个专业的java代码编写助手"),  
    HumanMessage(content="请用户实现一段冒泡算法"),  
]  
  
messages3=[  
    SystemMessage(content="你是一个专业的js代码编写助手"),  
    HumanMessage(content="请用户实现一段冒泡算法"),  
]  
  
messages_arr = [messages1, messages2, messages3]  
  
chat_model = ChatOpenAI(model="Qwen/Qwen3-14B")  
response=chat_model.batch(messages_arr)  
print(response)  

3、异步调用

为了尽可能简化自定义链的创建，LangChain实现了一个"Runnable"协议。许多LangChain组件实现了 Runnable 协议，包括聊天模型、提示词模板、输出解析器、检索器、代理(智能体)等。

Runnable 定义的公共的调用方法如下：

• invoke : 处理单条输入，等待LLM完全推理完成后再返回调用结果

• stream : 流式响应，逐字输出LLM的响应结果

• batch : 处理批量输入

这些也有相应的异步方法，应该与 asyncio 的 await 语法一起使用以实现并发：

• astream : 异步流式响应

• ainvoke : 异步处理单条输入

• abatch : 异步处理批量输入

• astream_log : 异步流式返回中间步骤，以及最终响应