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