一、模型初始化概述
简单来说，模型初始化就是回答一个问题：用谁家的 API、以什么方式、创建存放在哪个位置的大模型。
可以从三个角度分类：
LangChain 本身不提供任何 LLM，而是依赖第三方集成。它只是一个"工具"，帮你统一调用各家大模型。
二、在线大模型服务平台
每个平台配置都需要三个要素：模型名（model）、api-key、base-url。
三、DeepSeek 部署流程（重点）
DeepSeek 官网：https://www.deepseek.com/
步骤一：安装依赖
# 切换 python 环境
conda activate langchain1.2
# 安装 ChatDeepSeek 依赖包（会自动拉取 langchain-openai 依赖）
pip install langchain-deepseek
# 安装 ChatOpenAI 依赖包
pip install langchain-openai
# 环境变量管理包
pip install python-dotenv步骤二：配置 .env 文件
在项目根目录创建 .env 文件（API Key 从 DeepSeek 官网获取）：
DEEPSEEK_API_KEY=<Your API Key>
DEEPSEEK_BASE_URL=https://api.deepseek.com生产环境推荐使用
.env配置，并将.env加入.gitignore避免密钥泄露。
步骤三：初始化模型
方式一：显式读取环境变量
from langchain_deepseek import ChatDeepSeek
import os
from dotenv import load_dotenv
# 将 .env 中的变量加载为环境变量，override=True 表示强制覆盖同名变量
load_dotenv(override=True)
DEEPSEEK_API_KEY = os.getenv("DEEPSEEK_API_KEY")
DEEPSEEK_BASE_URL = os.getenv("DEEPSEEK_BASE_URL")
deepseek_llm = ChatDeepSeek(
api_key=DEEPSEEK_API_KEY,
api_base=DEEPSEEK_BASE_URL, # 注意：这里是 api_base，不是 base_url
model_name="deepseek-v4-flash",
)
print(deepseek_llm.invoke("请介绍一下你自己"))方式二：依靠默认行为读取 .env（推荐，更简洁）
from langchain_deepseek import ChatDeepSeek
from dotenv import load_dotenv
load_dotenv(override=True)
deepseek_llm = ChatDeepSeek(
model="deepseek-v4-flash",
)
print(deepseek_llm.invoke("请介绍一下你自己"))
ChatDeepSeek要求系统存在名为DEEPSEEK_API_KEY的环境变量，URL 有默认值https://api.deepseek.com/v1。
方式三：硬编码（不推荐）
from langchain_deepseek import ChatDeepSeek
deepseek_llm = ChatDeepSeek(
api_key="sk-xxxxxxxx", # 明文暴露密钥，有泄露风险
api_base="https://api.deepseek.com",
model="deepseek-v4-flash",
)硬编码仅适用于临时测试，生产环境严禁使用。
四、用 init_chat_model 统一初始化（推荐）
init_chat_model 是 LangChain 1.x 推出的统一模型初始化接口，会根据模型名称自动选择对应的模型类。
from langchain.chat_models import init_chat_model
model = init_chat_model(
"provider:model_name", # 提供商:模型名称
api_key="your-api-key", # API 密钥（可选，可从环境变量读取）
temperature=0.7, # 温度参数（可选）
max_tokens=1000, # 最大 token 数（可选）
)优势：统一接口、易于切换（只改模型字符串）、语法简洁、自动适配驱动类。
调用 DeepSeek 官网模型
from langchain.chat_models import init_chat_model
from dotenv import load_dotenv
import os
load_dotenv(override=True)
DEEPSEEK_API_KEY = os.getenv("DEEPSEEK_API_KEY")
DEEPSEEK_BASE_URL = os.getenv("DEEPSEEK_BASE_URL")
model = init_chat_model(
model="deepseek:deepseek-v4-flash", # 前缀指定提供商
api_key=DEEPSEEK_API_KEY,
base_url=DEEPSEEK_BASE_URL,
)
response = model.invoke("你好，用一句话回答")
print(response)model_provider 支持哪些 provider？
model_provider 支持的 providers 有：anthropic、azure_openai、cohere、deepseek、google_genai、huggingface、ibm、mistralai、nvidia、ollama、openai、openrouter、perplexity、together、xai 等。
model_provider="openai"→ 自动加载langchain-openai，底层调用ChatOpenAI；model_provider="deepseek"→ 自动加载langchain-deepseek，底层调用ChatDeepSe
五、模型初始化常用参数
temperature 选择建议
0.0–0.3：需一致性和准确性的任务（数学计算、数据提取、分类、代码生成）；
0.5–0.7：平衡创造性和一致性（聊天、问答）；
0.8–1.5：创造性任务（写作、头脑风暴）；
1.5–2.0：高度创造性（诗歌、故事创作）。
相关链接
DeepSeek 官网：https://www.deepseek.com/
Ollama 官网：https://ollama.com
模型文档（中文）：https://docs.langchain.org.cn/oss/python/langchain/models
评论区