为提升开发效率新版 LangChain1.2.x将不同厂商 AI 大模型的调用逻辑做了统一封装整合到init_chat_model中完成统一调用大幅简化多模型适配开发。核心参数仅需关注两个model指定具体的模型名称如 gpt-5.5、deepseek-v3model_provider指定模型提供商标识如 openai、deepseek。若未指定系统将根据 model 参数的前缀推断模型提供商如model“openai:gpt-5.5”会推断为openai。复制代码init_chat_model(model: str | None None,*,model_provider: str | None None,configurable_fields: Literal[‘any’] | list[str] | tuple[str, …] | None None,config_prefix: str | None None,**kwargs: Any {}) - BaseChatModel | _ConfigurableModel复制代码统确定大模型提供商后便会自动实例化对应厂商的原生实现类 —— 比如 OpenAI 对应 ChatOpenAI、Anthropic 对应 ChatAnthropic、DeepSeek 对应 ChatDeepSeek 等开发者无需手动引入只需通过init_chat_model统一入口即可完成底层适配。image在实现类对象上常用invoke和stream两种调用方法。invoke 会让大模型一次性返回完整响应对象stream则逐Token输出内容片段。image下面通过代码实战带你彻底搞懂。首先打开命令行窗口使用 pip 命令安装 LangChain和langchain-openai开发库。pip install langchain langchain-openai通过dotenv库的load_dotenv()方法自动读取项目里的.env配置文件把文件中所有键值对自动载入系统环境变量os.environ后续可直接读取模型地址、密钥等配置避免硬编码。import osfrom dotenv import load_dotenvload_dotenv()使用 LangChain 内置的init_chat_model初始化大模型通过两个核心参数配置model指定模型名称model_provider指定模型对接厂商。import osfrom dotenv import load_dotenvload_dotenv()llm init_chat_model(model“qwen3.6-plus”, model_provider“openai”)print(type(llm))当厂商参数设为openai时底层会自动调用ChatOpenAI实现类并从环境变量自动读取API密钥和接口地址。这里打印模型实例类型和请求基准地址方便查看底层配置。复制代码import osfrom dotenv import load_dotenvfrom langchain.chat_models import init_chat_modelload_dotenv()llm init_chat_model(model“qwen3.6-plus”, model_provider“openai”)print(type(llm))print(“base_url:”, llm.root_client.base_url)复制代码可以省略model_provider参数直接在模型名称前加上厂商前缀格式为厂商:模型名一行代码即可完成大模型初始化写法更简洁。复制代码import osfrom dotenv import load_dotenvfrom langchain.chat_models import init_chat_modelload_dotenv()llm init_chat_model(model“openai:qwen3.6-plus”)print(type(llm))print(“base_url:”, llm.root_client.base_url)复制代码大模型初始化完成后使用invoke()方法发起对话请求。该方式会等待模型生成完整内容后一次性返回全部结果。复制代码import osfrom dotenv import load_dotenvfrom langchain.chat_models import init_chat_modelload_dotenv()llm init_chat_model(modelos.getenv(“MODEL”))result llm.invoke(“你是谁呀”)print(result)复制代码想要实现打字机实时输出效果改用stream()方法循环遍历模型返回内容。end保证文字连续不换行flushTrue强制即时打印实现流畅的流式对话效果。复制代码import osfrom dotenv import load_dotenvfrom langchain.chat_models import init_chat_modelload_dotenv()llm init_chat_model(modelos.getenv(“MODEL”))for chunk in llm.stream(“详细介绍AI大模型的应用”):if chunk.content:print(chunk.content, end“”, flushTrue)复制代码