ChatOpenAI调用get_num_tokens_from_messages() is not presently implemented for model qwen-plus
使用langchain做历史会话管理时报错，代码及报错如下：
from langchain_openai import ChatOpenAI model = ChatOpenAI( base_url="https://dashscope.aliyuncs.com/compatible-mode/v1", api_key="sk-ba5d2f5624d144c98fb196f4013b0e3d", model="qwen-plus", ) from langchain_core.messages import HumanMessage, SystemMessage ,AIMessage from langchain_core.messages import SystemMessage, trim_messages trimmer = trim_messages( max_tokens=65, strategy="last", token_counter=model, include_system=True, allow_partial=False, start_on="human", ) messages = [ SystemMessage(content="you're a good assistant"), HumanMessage(content="hi! I'm bob"), AIMessage(content="hi!"), HumanMessage(content="I like vanilla ice cream"), AIMessage(content="nice"), HumanMessage(content="whats 2 + 2"), AIMessage(content="4"), HumanMessage(content="thanks"), AIMessage(content="no problem!"), HumanMessage(content="having fun?"), AIMessage(content="yes!"), ] trimmer.invoke(messages)报错
NotImplementedError: get_num_tokens_from_messages() is not presently implemented for model qwen-plus. See https://platform.openai.com/docs/guides/text-generation/managing-tokens for information on how messages are converted to tokens.原因
根本原因是：LangChain 的 ChatOpenAI 类在使用非 OpenAI 官方模型（比如阿里云的 Qwen 系列）时，默认无法准确计算 token 数量，因为 get_num_tokens_from_messages() 方法依赖于 OpenAI 的 tokenizer。而像 qwen-plus 这样的第三方兼容模型，并没有被 LangChain 内置支持用于 token 计算
解决方法
如果你使用的是较新版本的 LangChain（>=0.2），可以考虑直接使用 Tongyi 官方提供的 LangChain 集成，而不是通过 OpenAI 兼容模式
pip install langchain-community pip install dashscope --upgrade pip install transformers修改后代码
tongyi_model = ChatTongyi( base_url="https://dashscope.aliyuncs.com/compatible-mode/v1", api_key="sk-ba5d2f5624d144c98fb196f4013b0e3d", model="qwen-plus", ) trimmer = trim_messages( max_tokens=65, strategy="last", token_counter=tongyi_model, include_system=True, allow_partial=False, start_on="human", ) messages = [ SystemMessage(content="you're a good assistant"), HumanMessage(content="hi! I'm bob"), AIMessage(content="hi!"), HumanMessage(content="I like vanilla ice cream"), AIMessage(content="nice"), HumanMessage(content="whats 2 + 2"), AIMessage(content="4"), HumanMessage(content="thanks"), AIMessage(content="no problem!"), HumanMessage(content="having fun?"), AIMessage(content="yes!"), ] trimmer.invoke(messages)运行后，有警告
/home/runUser/anaconda3/envs/langchain/lib/python3.12/site-packages/langchain_core/language_models/base.py:328: UserWarning: Using fallback GPT-2 tokenizer for token counting. Token counts may be inaccurate for non-GPT-2 models. For accurate counts, use a model-specific method if available. return len(self.get_token_ids(text))表明 ChatTongyi 虽然被用作 token_counter，但其底层 没有实现准确的 token 计数方法（或未正确注册 Qwen 的 tokenizer），于是 LangChain 回退到 GPT-2 的 tokenizer（对中文和 Qwen 模型不准确）
ChatTongyi 的 get_num_tokens_from_messages 方法仍未被正确实现（或依赖未安装的 tokenizer 包），导致它无法准确计算 Qwen 系列模型的 token 数量，只能回退到不合适的 GPT-2 tokenizer。
🔍 验证：Qwen 模型使用的是 基于 tiktoken 的 cl100k_base 编码（和 GPT-3.5/4 相同），不是 GPT-2 的 gpt2 编码。用 GPT-2 tokenizer 会严重低估 token 数（尤其对英文标点、空格等处理不同）。
处理方法：
增加自定义的计数方法实现准确计数，调整后代码如下：
from langchain_core.messages import SystemMessage, trim_messages
import tiktoken
✅ 准确的 token 计数函数（适用于 Qwen / GPT-3.5 / GPT-4）
def count_tokens_in_messages(messages): """估算 messages 的总 token 数（参考 OpenAI 官方方式）""" encoding = tiktoken.get_encoding("cl100k_base") # Qwen 使用此编码 tokens_per_message = 4 # 每条消息的固定开销（role + 分隔符等） tokens_per_name = -1 # Qwen 不支持 name 字段，可忽略 num_tokens = 0 for message in messages: num_tokens += tokens_per_message num_tokens += len(encoding.encode(message.content)) num_tokens += len(encoding.encode(message.type)) # 'system', 'user', 'assistant' # 注意：Qwen 不支持 'name'，所以跳过 num_tokens += 3 # 每轮对话的额外开销（如 <|im_start|> 等） return num_tokens trimmer = trim_messages( max_tokens=65, strategy="last", token_counter=count_tokens_in_messages, include_system=True, allow_partial=False, start_on="human", ) messages = [ SystemMessage(content="you're a good assistant"), HumanMessage(content="hi! I'm bob"), AIMessage(content="hi!"), HumanMessage(content="I like vanilla ice cream"), AIMessage(content="nice"), HumanMessage(content="whats 2 + 2"), AIMessage(content="4"), HumanMessage(content="thanks"), AIMessage(content="no problem!"), HumanMessage(content="having fun?"), AIMessage(content="yes!"), ] trimmer.invoke(messages)需要提醒的是Qwen的行为更“上下文驱动”而非“指令驱动”。它会优先模仿最近的语言风格，而不是严格遵行system规则