1.LangChain支持市面大部分常见的大语言模型（LLM),提供了各个模型的对应依赖库。

（1）OpenAI gpt 对应的是langchain-openai
（2）Anthropic claude对应的是langchain-anthropic
（3）Google gemini对应的是langchain-google-genai
（4）DeepSeek deepseek对应的是langchain-deepseek
（5）ollama 对应的是langchain-ollama
（6）huggingface 对应的是langchain-huggingface
（7）AWS对应的是langchain-aws

需要导包才能找到提供商

from langchain_openai import ChatOpenAI
model=ChatOpenAI(model="gpt-5.2)

不需要导包就能找到模型的提供商

from langchain.chat_models import init_chat_model
model=init_chat_model(model="gpt-5.2")

2.自定义模型提供商（init_chat_model)

我们要访问阿里云百炼的qwen-max，但是它不是被langchain支持的模型，我们必须自定义模型参数来访问。
我们需要再环境变量中定义api_key和base_url
在init_chat_model中制定model、model_provider、base_url和api_key

import os
base_url=os.getenv("DASHSCOPE_BASE_URL")
api_key=os.getenv("DASHSCOPE_API_KEY")
model=init_chat_model(
    #模型名称，这来可以自定义，用的是阿里的qwen-max
    model+"qwen-max",
    #如果是langchain不支持的模型，需要制定模型的提供者（虽然用的是阿里，但是阿里兼容openai）
    base_url=base_url,
    api_key=api_key
)
print(type(model))

调整模型参数：除了修改模型提供者以外，init_chat_model函数允许我们调整模型参数
(1)temperature:控制生成文本的随机性，值越小越确定，值越大越随机。
(2)max_tokens:控制生成文本的最大长度
(3)top_p:控制生成文本的多样性，值越小越多样，值越大越确定。
(4)timeout:控制生成文本的超时时间
(5)max_retries:控制生成文本的最大重试次数

3.使用model类

其实init_chat_model函数底层就是帮我们利用model类创建对象，但支持有限的模型。

开发步骤

引入依赖->配置环境->初始化模型
（1）引入依赖

uv add langchain
uv add langchain-deepseek

（2）配置环境

DEEPSEEK_API_KEY=XXXX

(3)初始化模型
其实init_chat_model函数帮我们利用model类创建对象，只支持有限的模型。
首先安装langchain社区依赖

uv add langchain-community

阿里云百炼依赖

uv add dashscope

使用model类初始化模型

from langchain_community.chat_models.tongyi import ChatTongyi

#使用Model类和初始化模型
model=ChatTongyi（
model="qwen-max"
）

print(type(model))