聊天模型（Chat Models）
聊天模型是语言模型的一种变体。虽然聊天模型在底层使用的也是语言模型(LLM)，但它们所公开的接口有些不同。它们不是通过 “输入文本，输出文本” API 公开接口，而是通过 “聊天消息” 作为输入和输出的接口，聊天模型的整个交互过程类似互相发送聊天消息的过程。
聊天模型入门
本章节基于OpenAI模型进行讲解。
配置
langChain默认没有安装模型依赖，这里首先安装 OpenAI 的 Python 包：
pip install langchain-openai
访问 API 需要一个 API 密钥，可以通过环境变量配置，下面是linux环境变量设置方式
export OPENAI_API_KEY="..."
如果您不想设置环境变量，可以通过在初始化 OpenAI LLM 类时直接通过 openai_api_key 命名参数传递密钥：
from langchain_openai import ChatOpenAI
chat = ChatOpenAI(openai_api_key="...")
否则，可以不带任何参数初始化：
from langchain_openai import ChatOpenAI
chat = ChatOpenAI()
消息
聊天模型接口基于消息而不是原始文本。LangChain 当前支持的消息类型包括 AIMessage、HumanMessage、SystemMessage、FunctionMessage 和 ChatMessage，其中 ChatMessage 需要一个任意的角色参数。大多数情况下，你只会处理 HumanMessage、AIMessage 和 SystemMessage。
LCEL
聊天模型(Chat model)实现了Runnable interface接口，支持支持invoke, ainvoke, stream, astream, batch, abatch, astream_log等方法调用，因此聊天模型(Chat model)也可以用于LangChain Expression Language (LCEL)表达式。
聊天模型接受List[BaseMessage]作为输入，或接受可以强制为消息的对象，包括str（转换为HumanMessage）和PromptValue。
from langchain_core.messages import HumanMessage, SystemMessage
# 定义消息数组，这里包含两条消息，一个system消息告诉ai扮演什么角色，一个humen消息，代表用户的问题。
messages = [
SystemMessage(content="你是个乐于助人的助手"),
HumanMessage(content="模型正则化的目的是什么?"),
]
通过消息数组调用模型
chat.invoke(messages)
返回示例
AIMessage(content="AI返回内容...详情忽略..")
流式输出AI响应结果
for chunk in chat.stream(messages):
print(chunk.content, end="", flush=True)