新手教学、科普与入门 · AI与编程基础 · 2025-11-19

LangChain v1.0 模型选型:静态还是动态?一文看懂 Agent 的正确打开方式

LangChain v1.0带来模型选型新思路,静态与动态模型灵活切换,提升Agent开发效率与扩展性。

核心内容:

  1. 静态模型与动态模型的区别与应用场景
  2. 统一初始化接口与标准消息内容块的优势
  3. 中间件机制如何解决跨提供商差异与扩展性问题

LangChain v1.0 在 Agent 与 Model 使用方式上引入“静态模型”和“动态模型”两种形态:

核心优势:为什么选择 LangChain v1.0 的模型架构?

核心概念与基础实现

静态模型(Static Model):固定与高效

from langchain.agents import create_agentfrom langchain_openai import ChatOpenAI# 方式一:用模型名称(字符串)agent = create_agent( "gpt-4o", # 具体模型标识,按你的提供商可替换 tools=[])# 方式二:用模型实例(更细粒度参数控制)model = ChatOpenAI( model="gpt-4o", temperature=0.1, max_tokens=1000, timeout=30,)agent = create_agent(model, tools=[])

动态模型(Dynamic Model):灵活与智能

from langchain_openai import ChatOpenAIfrom langchain.agents import create_agentfrom langchain.agents.middleware import wrap_model_call, ModelRequest, ModelResponsebasic_model = ChatOpenAI(model="gpt-4o-mini")advanced_model = ChatOpenAI(model="gpt-4o")@wrap_model_calldef dynamic_model_selection(request: ModelRequest, handler) -> ModelResponse: # 示例逻辑:依据消息条数切换模型 message_count = len(request.state["messages"]) if"messages"in request.state else0 request.model = advanced_model if message_count > 10else basic_model return handler(request)agent = create_agent( model=basic_model, # 默认模型 tools=[], middleware=[dynamic_model_selection])

在 dynamic_model_selection 示例中,我们通过 request.state["messages"] 获取了会话历史。这里的 request.state 是一个关键概念,它通常由上层的执行器(如 LangGraph)在图的流转过程中负责填充和传递。state 本质上是一个字典,包含了当前执行步骤的所有上下文信息,例如历史消息、中间步骤的输出等。中间件正是通过访问这个 state,才能实现依赖于当前对话状态的复杂逻辑。

中间件(Middleware):Agent 的“插件”系统

中间件是 LangChain v1.0 架构的核心,它允许在模型或工具调用前后注入自定义逻辑,实现了类似 AOP(面向切面编程)的强大功能。

中间件不仅限于模型选择,还可以用于实现横切关注点(Cross-Cutting Concerns),如日志记录、监控或请求修改。以下是一个简单的日志记录中间件…

— 以上为试看内容(约 40%),开通会员后阅读全文 —

原文出处:https://www.53ai.com/news/langchain/2025111941382.html