LangChain 关键点
1、ChatOpenAI：模型入口
用来调用大模型，核心方法就是：
result = llm.invoke("问题")
2、Message：聊天数据结构
重点记住三个：
SystemMessage → 系统规则
HumanMessage → 用户问题
AIMessage → 模型回答
3、ChatPromptTemplate：Prompt 模板化
不要把 Prompt 写死，而是用变量：
prompt = ChatPromptTemplate.from_messages([ ("system", "你是一名{role}"), ("human", "{question}") ])
4、prompt | llm：LangChain 最核心的组合思想
这个非常重要。
本质就是：
以后 RAG、Tool、Agent 都是在这个思路上继续扩展。
5、Structured Output：让模型返回稳定的数据结构
用 Pydantic 定义：
class Answer(BaseModel): category: str difficulty: str answer: str
然后：
structured_llm = llm.with_structured_output(Answer)
这样后端拿到的是结构化对象，而不是一段不好解析的自然语言。
你可以把第一周压缩成一句话记：
Prompt → Model → Structured Output
再加上一个最重要的 LangChain 思维：
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。