LangChain 源码剖析-消息类详解(Messages)
LangChain 源码剖析-消息类详解(Messages)
消息是包含以下内容的对象：
角色(Role)-标识消息类型（例如系统、用户）
内容(Content)-表示消息的实际内容（如文本、图像、音频、文档等）
元数据(Metadata)-可选字段，如响应信息、消息ID和令牌使用情况
LangChain提供了一种标准消息类型，适用于所有模型提供者，确保无论调用何种模型，行为都是一致的。
基本用途
fromlangchain.chat_modelsimportinit_chat_modelfromlangchain.messagesimportHumanMessage,AIMessage,SystemMessage model=init_chat_model("gpt-5-nano")system_msg=SystemMessage("You are a helpful assistant.")human_msg=HumanMessage("Hello, how are you?")# Use with chat modelsmessages=[system_msg,human_msg]response=model.invoke(messages)# Returns AIMessage文本提示
- 文本提示是字符串，非常适合于不需要保留对话历史的直接生成任务。
response=model.invoke("Write a haiku about spring")在以下情况下使用文本提示
- 你有一个单独的请求
- 你不需要对话历史记录
- 你想要最小的代码复杂性
消息提示
- 您可以通过提供消息对象列表将消息列表传递给模型。
fromlangchain.messagesimportSystemMessage,HumanMessage,AIMessage messages=[SystemMessage("You are a poetry expert"),HumanMessage("Write a haiku about spring"),AIMessage("Cherry blossoms bloom...")]response=model.invoke(messages)字典格式
- 您还可以直接以OpenAI聊天完成格式指定消息
messages=[{"role":"system","content":"You are a poetry expert"},{"role":"user","content":"Write a haiku about spring"},{"role":"assistant","content":"Cherry blossoms bloom..."}]response=model.invoke(messages)消息类型
- 系统消息(System message) - 告诉模型如何行为并为互动提供上下文
- 人类信息(Human message) - 代表用户输入及与模型的交互
- AI消息(AI message) - 由模型生成的回复，包括文本内容、工具调用和元数据
- 工具消息(Tool message) - 代表工具调用的输出结果
系统消息(System message)
SystemMessage表示启动模型行为的初始指令集。您可以使用系统消息来设定基调，定义模型的角色，并为响应制定指导方针。
基本指令
system_msg=SystemMessage("You are a helpful coding assistant.")messages=[system_msg,HumanMessage("How do I create a REST API?")]response=model.invoke(messages)- 详细信息
fromlangchain.messagesimportSystemMessage,HumanMessage system_msg=SystemMessage(""" You are a senior Python developer with expertise in web frameworks. Always provide code examples and explain your reasoning. Be concise but thorough in your explanations. """)messages=[system_msg,HumanMessage("How do I create a REST API?")]response=model.invoke(messages)人类信息(Human message)
HumanMessage表示用户输入和交互。它们可以包含文本、图像、音频、文件和任何其他数量的多模式内容。
文本内容
response=model.invoke([HumanMessage("What is machine learning?")])- 消息元数据
human_msg=HumanMessage(content="Hello!",name="alice",# Optional: identify different usersid="msg_123",# Optional: unique identifier for tracing)AI消息(AI message)
- AIMessage表示模型调用的输出。它们可以包括多模式数据、工具调用和稍后可以访问的特定于提供商的元数据。
response=model.invoke("Explain AI")print(type(response))# <class 'langchain.messages.AIMessage'>- AIMessage对象在调用模型时由模型返回，其中包含响应中的所有相关元数据。
- 提供者对消息类型进行不同的权衡/上下文化，这意味着有时手动创建一个新的AIMessage对象并将其插入消息历史记录中是有帮助的，就像它来自模型一样。
fromlangchain.messagesimportAIMessage,SystemMessage,HumanMessage# Create an AI message manually (e.g., for conversation history)ai_msg=AIMessage("I'd be happy to help you with that question!")# Add to conversation historymessages=[SystemMessage("You are a helpful assistant"),HumanMessage("Can y