大家好，我是小锋老师，最近更新《2027版 基于LangChain的RAG与Agent智能体    开发视频教程》专辑，感谢大家支持。

本课程主要介绍和讲解RAG，LangChain简介，接入通义千万大模型  ，Ollama简介以及安装和使用，OpenAI 库介绍和使用，以及最重要的基于LangChain实现RAG与Agent智能体开发技术。

视频教程+课件+源码打包下载 ：

链接：https://pan.baidu.com/s/1_NzaNr0Wln6kv1rdiQnUTg
提取码：0000

基于LangChain的RAG与Agent智能体开发 - LangChain调用聊天大模型消息简写

前面我们调用大模型的会话消息使用的是对象，SystemMessage，AIMessage，HumanMesssage，但是写起来麻烦，而且不灵活。我们以后开发都用下面的简写形式，列表里面是元组，元组第一个元素是角色(system,assistant,user)，第二个元素是内容。

完整测试代码：

from langchain_community.chat_models import ChatTongyi
from langchain_core.messages import HumanMessage, SystemMessage, AIMessage

# 创建模型
model = ChatTongyi(model="qwen3-max")

# 初始化聊天对话
messages = [
    SystemMessage(content="你是一个Python编程大师"),
    AIMessage(content="我是一个Python编程大师，请问有什么可以帮助您的吗？"),
    HumanMessage(content="给我写一个Python快速排序算法")
]

# 消息简写
messages2 = [
    ('system', "你是一个Python编程大师"),
    ('assistant', "我是一个Python编程大师，请问有什么可以帮助您的吗？"),
    ('user', "给我写一个Python快速排序算法")
]

# 调用模型
result = model.stream(input=messages2)

# 输出结果
for chunk in result:
    print(chunk.content, end="", flush=True)

我们运行测试下：

调用本地Ollama大模型的示例代码我们也改下吧：

from langchain_core.messages import HumanMessage, SystemMessage, AIMessage
from langchain_ollama import ChatOllama

# 创建模型
model = ChatOllama(model="qwen3:4b")

# 初始化聊天对话
messages = [
    SystemMessage(content="你是一个Python编程大师"),
    AIMessage(content="我是一个Python编程大师，请问有什么可以帮助您的吗？"),
    HumanMessage(content="给我写一个Python快速排序算法")
]

# 消息简写
messages2 = [
    ('system', "你是一个Python编程大师"),
    ('assistant', "我是一个Python编程大师，请问有什么可以帮助您的吗？"),
    ('user', "给我写一个Python快速排序算法")
]

# 调用模型
result = model.stream(input=messages2)

# 输出结果
for chunk in result:
    print(chunk.content, end="", flush=True)

运行测试，也没问题：