LangChain Messages 概念指南-优快云博客

LangChain 消息概念指南

在这里插入图片描述

概述

消息是聊天模型的输入和输出。LangChain有一些内置的消息类型，以及一个基础的BaseMessage类，您可以从中子类化以创建自己的自定义消息类型。

消息内部包含什么？

角色（Role）

每个消息都与一个角色相关联。LangChain有不同的消息类型，每个都与不同的角色相关联：

HumanMessage: 来自人类/用户的消息
AIMessage: 来自AI/助手的消息
SystemMessage: 系统消息，用于指导AI的行为
ToolMessage: 工具调用结果的消息
RemoveMessage: 用于从对话中删除消息的特殊消息类型

内容（Content）

每个消息都有一个content字段。这通常是一个字符串，但对于某些消息类型和模型，它可以是一个字典列表（例如，当向多模态模型传递图像时）。

其他消息数据

消息可以有任意的其他数据。在LangChain中，我们有一些标准化的字段（如tool_calls和usage_metadata），但您也可以向消息添加任意字段，这些字段将传递给底层的聊天模型。

对话结构

聊天模型将消息列表作为输入，并返回一个消息作为输出。虽然每个消息都与一个角色相关联，但不同的模型对角色有不同的要求。一些模型相当灵活，而另一些则对允许的消息序列有严格的要求。

当使用聊天模型时，了解该特定模型的消息要求是很有用的。

LangChain 消息类型

SystemMessage（系统消息）

SystemMessage用于向模型提供指令、指导或上下文，这些内容不是对话的直接部分，而是影响模型在整个对话中的行为。

from langchain_core.messages import SystemMessage

message = SystemMessage(content="You are a helpful assistant.")

系统消息支持

不同的聊天模型提供商可能通过以下方式之一支持系统消息：

通过"系统"消息角色：在这种情况下，系统消息作为消息序列的一部分包含，角色明确设置为"系统"。
通过单独的API参数用于系统指令：系统指令不是作为消息包含，而是通过专用的API参数传递。
不支持系统消息：某些模型根本不支持系统消息。

大多数主要的聊天模型提供商通过聊天消息或单独的API参数支持系统指令。LangChain将根据提供商的能力自动适应。

HumanMessage（人类消息）

HumanMessage对应于**“用户”**角色。人类消息表示与模型交互的用户的输入。

文本内容

大多数聊天模型期望用户输入是文本形式。

from langchain_core.messages import HumanMessage

model.invoke([HumanMessage(content="你好，你好吗？")])

提示：当使用字符串作为输入调用聊天模型时，LangChain会自动将字符串转换为HumanMessage对象。这主要用于快速测试。

model.invoke("你好，你好吗？")

多模态内容

一些聊天模型接受多模态输入，如图像、音频、视频或PDF等文件。

请参阅多模态指南以获取更多信息。

AIMessage（AI消息）

AIMessage用于表示角色为 “助手” 的消息。这是来自模型的响应，可以包括文本或调用工具的请求。它也可能包括其他媒体类型，如图像、音频或视频——尽管目前这仍然不常见。

from langchain_core.messages import HumanMessage
ai_message = model.invoke([HumanMessage("给我讲个笑话")])
ai_message # <-- AIMessage

AIMessage具有以下属性。标准化的属性是LangChain试图在不同聊天模型提供商之间标准化的属性。原始字段特定于模型提供商，可能会有所不同。

属性	标准化/原始	描述
content	原始	通常是字符串，但可以是内容块列表。详见内容部分
tool_calls	标准化	与消息相关的工具调用。详见工具调用
invalid_tool_calls	标准化	与消息相关的解析错误的工具调用。详见工具调用
usage_metadata	标准化	消息的使用元数据，如令牌计数。详见使用元数据API参考
id	标准化	消息的可选唯一标识符，理想情况下由创建消息的提供商/模型提供
response_metadata	原始	响应元数据，如响应头、日志概率、令牌计数

内容（content）

AIMessage的content属性表示聊天模型生成的响应。

内容可以是：

文本 —— 几乎所有聊天模型的标准
字典列表 —— 每个字典表示一个内容块，并与一个type相关联
- Anthropic用于在进行工具调用时显示代理思考过程
- OpenAI用于音频输出。请参阅多模态内容以获取更多信息

重要：content属性在不同的聊天模型提供商之间不是标准化的，主要是因为仍然很少有例子可以概括。

AIMessageChunk（AI消息块）

通常会流式传输聊天模型的响应，以便用户可以实时看到响应，而不是等待整个响应生成完毕后再显示。

它从聊天模型的stream、astream和astream_events方法返回。

例如：

for chunk in model.stream([HumanMessage("天空是什么颜色？")]):
    print(chunk)

AIMessageChunk遵循与AIMessage几乎相同的结构，但使用不同的ToolCallChunk以能够以标准化的方式流式传输工具调用。

聚合

AIMessageChunk支持+操作符将它们合并为单个AIMessage。当您想要向用户显示最终响应时，这很有用。

ai_message = chunk1 + chunk2 + chunk3 + ...

ToolMessage（工具消息）

这表示角色为"工具"的消息，包含调用工具的结果。除了role和content之外，此消息还有：

tool_call_id字段，传达被调用以产生此结果的工具调用的ID
artifact字段，可用于传递工具执行的任意工件，这些工件对跟踪有用但不应发送给模型

请参阅工具调用以获取更多信息。

RemoveMessage（删除消息）

这是一种特殊的消息类型，不对应任何角色。它用于在LangGraph中管理聊天历史。

请参阅以下内容以获取有关如何使用RemoveMessage的更多信息：

内存概念指南
如何删除消息

(遗留) FunctionMessage（函数消息）

这是一种遗留消息类型，对应于OpenAI的遗留函数调用API。应该使用ToolMessage来对应更新的工具调用API。

OpenAI 格式

输入

聊天模型也接受OpenAI格式作为聊天模型的输入：

chat_model.invoke([
    {
        "role": "user",
        "content": "你好，你好吗？",
    },
    {
        "role": "assistant", 
        "content": "我很好，谢谢你的询问。",
    },
    {
        "role": "user",
        "content": "你能给我讲个笑话吗？",
    }
])