DeerFlow 系列教程 第十三篇 | 大模型适配——多 Provider 支持与思考模式

DeerFlow 系列教程 第十三篇

本篇教程继续模块四：高级功能与扩展，全面剖析 DeerFlow 的大模型适配层。我们将深入理解模型工厂的动态加载机制、七种 Provider 实现的设计差异、思考模式（Thinking Mode）在不同模型架构下的适配策略、Responses API 的 Codex 集成，以及统一凭证加载的安全设计。

前置知识

在开始之前，建议你已阅读：

1. 第 07 篇：Lead Agent 深度解析——理解 Agent 如何创建和使用模型实例
2. 第 08 篇：中间件体系——了解LlmErrorHandlingMiddleware在模型调用中的拦截机制
3. 第 12 篇：Tools 工具体系——理解工具绑定（bind_tools）如何与模型交互

一、模型工厂（create_chat_model()）

1.1 模型在架构中的位置

在 DeerFlow 中，大模型（LLM）是 Agent 的"大脑"。每一次 Agent 推理循环都需要调用大模型来生成决策——选择工具、生成回复或进行思考。create_chat_model()