在LangChain中，聊天模型提供了额外的功能：结构化输出。一种使聊天模型以结构化格式（例如JSON）进行响应的技术。例如，可能希望将模型输出存储在数据库中，并确保输出符合数据库模式。这种需求激发了结构化输出的概念，其中可以指示模型使用特定的输出结构进行响应。这样做的核心原因是：从“字符串”到“对象”的范式转换。想象一下，在没有这个功能之前，我们调用聊天模型得到的是一个AIMessage，其内容

工具调用根本作用是让大语言模型（LLM）具备与外部世界交互的能力。LLM本身是一个封闭的知识系统，其能力受限于其训练的数据（存在滞后性）和内在的文本生成逻辑。他无法进行直接的计算，查询实时的信息，操作数据库和调用外部的API。工具调用打破了这层壁垒，其作用具体体现在：扩展能力边界：模型可以借助工具完成它自身无法完成的任务，如执行数学计算、搜索网络、查询数据库等。保证信息实时性：通过调用搜索工具或数

若想使用ChatOllama，需要先安装Ollamaclass langchain_ollama.chat_models.base.ChatOllama是LangChain为通过Ollama 部署的聊天模型提供的具体实现类。ChatOllama同样也实现了标准的Runnable接口。参数名参数描述model要使用的Ollama模型的名称采样温度，温度值越高，AI回答越天马行空；温度越低，回答越保守

若想使用ChatOllama，需要先安装Ollamaclass langchain_ollama.chat_models.base.ChatOllama是LangChain为通过Ollama 部署的聊天模型提供的具体实现类。ChatOllama同样也实现了标准的Runnable接口。参数名参数描述model要使用的Ollama模型的名称采样温度，温度值越高，AI回答越天马行空；温度越低，回答越保守

SystemMessage("介绍一下以下学校:"),HumanMessage("湖南农业大学,湖南师范大学")HumanMessage("说出你认为周杰伦最好听的一首歌")# SystemMessage("介绍一下以下学校:"),HumanMessage("说出你觉得湖南农业大学的优点")参数说明：：表⽰ 系统⻆⾊ 消息，系统消息通常作为输⼊消息序列中的第⼀条传⼊，是⽤来启动 AI ⾏为的消息。