import sys
from langchain_core.prompts import ChatPromptTemplate
from langchain_ollama import ChatOllama  # 1. 导入 ChatOllama

# 2. 初始化模型变量 chat
chat = ChatOllama(model="deepseek-r1:1.5b")

sys_template = "你是数学老师，请以{style}的风格回答问题"
user_template = "请以简单易懂的方式解释:{question}"

prompt_template = ChatPromptTemplate.from_messages([
    ("system", sys_template),
    ("human", user_template)
])

# 3. 生成 PromptValue 并调用模型
prompt = prompt_template.invoke({"style": "专业", "question": "什么是微服务架构？"})

# 4. 改用流式输出，避免 DeepSeek-R1 思考过程导致控制台看起来像卡死
print("模型正在思考并生成中...\n")
for chunk in chat.stream(prompt):
    sys.stdout.write(chunk.content)
    sys.stdout.flush()

**微服务架构：简单易懂的解释**

1. **分解结构**：将一个大系统分成多个独立的小部分或“服务”（Service）。每个服务本身是一个小型的软件单元。

2. **本地管理**：每个微服务可以独立运行，无需与其他服务互动。这意味着它们可以在不同的环境中运行，提高了系统的灵活性和扩展性。

3. **分布式计算**：在不同的地方同时运行多个微服务，允许分散处理任务，减少对单一节点的依赖，提高系统性能和可靠性。

4. **自动化维护**：提供工具和接口，方便监控、错误修复和更新。这样可以减少人为干预，使维护流程更高效。

5. **功能分离**：将系统的各个部分（如存储、用户界面、数据源等）分解成不同的服务模块，便于管理和维护。

6. **互操作性与可扩展性**：设计微服务间如何连接以适应不同规模的应用需求。通过适当的通信协议和容器化技术，确保各组件之间的灵活交互。

7. **协作开发**：让开发者专注于他们模块的职责，允许团队协作，提高开发效率。

8. **分布式架构支持**：利用分布式系统结构，提升系统的组织能力，减少单点故障风险。

总之，微服务架构通过分解复杂问题，将系统分成独立的部分，提高了系统的灵活性、可扩展性和维护性。它已成为现代软件工程的重要趋势，广泛应用于企业级应用和工
业自动化中。