实现一个helloworld，跑通一个简单的对话。
后面章节会正式介绍LangChain的各个功能。
后台llm的端口可以任意选择，这里分别借助Ollama 和OpenAI实现一次简单的对话

一、使用langchain_ollama

from langchain_ollama import ChatOllama
from langchain_core.prompts import ChatPromptTemplate
llm = ChatOllama(
    model="deepseek-r1:7b", 
)
response = llm.invoke("你是谁？")
print(response.content)

回答如下：其中关键字是deepseek-r1:7b的思考链，如果不需要可以忽略。

二、采用DeepSeek的API

去官网注册一个账号，充个10块钱，获取一个API_KEY
https://platform.deepseek.com/

关于模型的选择，如DeepSeek-V3还是DeepSeek-R系列，看官网介绍
https://api-docs.deepseek.com/zh-cn/

聊天界面如下：

from langchain_openai import  ChatOpenAI
from langchain_core.prompts import ChatPromptTemplate
llm = ChatOpenAI(
    base_url="https://api.deepseek.com/v1",  # DeepSeek API端点
    model="deepseek-chat",                  # DeepSeek模型标识，'deepseek-reasoner'，即可调用 DeepSeek-R1。
    openai_api_key="sk-替换为你们自己的密钥",     # 替换为DeepSeek密钥
    max_tokens=1000,
    temperature=0
)
response = llm.invoke("你是谁？")
print(response.content)

三、Model 介绍

以Ollama为例子

3.1 OllamaLLM 预训练模型

3.2 ChatOllama 聊天预训练模型

在OllamaLLM 基础上进行了微调

from langchain_ollama import ChatOllama
from langchain_core.prompts import ChatPromptTemplate
llm = ChatOllama(
    model="deepseek-r1:7b", 
)
chat_prompt = ChatPromptTemplate.from_messages([
    ("system", "你是西天取经的人工智能助手，你的名字叫齐天智能"),
    ("human",  "你好"),
    ("ai", "您好，我是西天取经的人工智能助手，请问有什么可以帮助您？"),
    ("human", "{user_input}")
])

message = chat_prompt.format(user_input="你叫什么")
response = llm.invoke(message)
print(llm.invoke(message).content)

3.3 OllamaEmbeddings

• embed_query 将单个查询字符串转换为向量表示
• embed_documents 将一系列字符串转换为向量表示

from langchain_ollama import OllamaLLM, OllamaEmbeddings
embed = OllamaEmbeddings(
    model="deepseek-r1:7b", 
)
result = embed.embed_query("这是一个测试文本")
print(len(result))

result2 = embed.embed_documents(["这是一个测试文本","这里有15哥个测试文本"])
print(len(result2[0]), len(result2[1]))