messages只存状态。优雅的“流式”核心是：增量更新Res模拟播放。交互一致：禁用/自动滚动/样式统一。可替换 backend：目前是模拟，后续无需再改前端结构。这套模式适合 chat、生成文案、关键进度可视化场景。

在LangChain生态中，无论是本地部署的模型（如Ollama、Xinference），还是线上第三方未被LangChain内置的模型（如小众厂商API、私有部署模型），都需要通过自定义封装，使其适配LangChain的标准调用方式，从而无缝使用LangChain的全部生态能力（如invoke、chain、agent等）。结合实操中的常见疑问，本节梳理自定义LLM封装的核心逻辑、实现要点及关键细

LangChain 是大模型应用开发的主流框架，专注于构建LLM workflows，是生成式 AI 时代的软件工程工具。面向开发者，生态丰富解决复杂工作流手撸效率低、难维护的问题标准结构：Input → Processing → Output相比 AutoGen 更贴近工程化支持 LangGraph 多智能体流程LangSmith 提供中间过程可视化，弥补调试盲区推荐学习资料：《大模型应用开发

tool""""""@tool：把普通函数变成 LangChain 可识别的工具必须写 文档字符串（docstring），否则报错输入：员工姓名输出：员工 ID@tool""""""输入：员工 ID输出：工资必须依赖上一个工具的结果才能使用依托 LangSmith 平台观测全流程，使用标准 ReAct 提示词模板；内置两个自定义工具：：传入员工姓名，返回对应员工编号：传入员工编号，返回对应薪资。

LangChain 是大模型应用开发的主流框架，专注于构建LLM workflows，是生成式 AI 时代的软件工程工具。面向开发者，生态丰富解决复杂工作流手撸效率低、难维护的问题标准结构：Input → Processing → Output相比 AutoGen 更贴近工程化支持 LangGraph 多智能体流程LangSmith 提供中间过程可视化，弥补调试盲区推荐学习资料：《大模型应用开发

LangChain 是大模型应用开发的主流框架，专注于构建LLM workflows，是生成式 AI 时代的软件工程工具。面向开发者，生态丰富解决复杂工作流手撸效率低、难维护的问题标准结构：Input → Processing → Output相比 AutoGen 更贴近工程化支持 LangGraph 多智能体流程LangSmith 提供中间过程可视化，弥补调试盲区推荐学习资料：《大模型应用开发

上节课我们通过示例选择器，将案例直接嵌入到单一提示词中实现小样本学习。而当前主流大模型均支持多轮对话，能够依据历史聊天记录学习问答模式与回答风格。基于这一特性，我们可以将示例案例直接嵌入多轮对话历史中，让模型参考历史对话形式生成回复，这便是。本节课将重点学习如何在多轮对话中嵌入案例，同时结合相似案例检索能力，将匹配的示例加入历史对话作为参考，引导模型按照预设范式输出结果。整体仍基于小样本提示模板实

新一代基座大模型 GLM-4，2024年发布，整体性能相比 GLM3 全面提升 60%，逼近 GPT-4；支持更长上下文；更强的多模态；支持更快推理速度，更多并发，大大降低推理成本；同时 GLM-4 增强了智能体能力。LangChain官方此前已提供智谱AI（ZHIPU AI）的集成封装，但受智谱AI接口版本更新影响，原有官方封装目前已无法正常使用，后续官方或会同步适配新版接口，现阶段需我们手动完

Hugging Face 是全球AI开发者的开源协作大本营，相当于「AI界的GitHub」，它托管了海量开源模型、数据集和工具，让AI开发从“从零造轮子”变成“开箱即用”；bge-large-zh-v1.5等中文向量模型，正是通过HF平台实现全球共享与快速落地的。

环境准备：本机已预装Node.js环境，无需重复安装全局安装OpenCode验证安装版本启动OpenCodeopencode可通过在 OpenCode 的 skills 配置目录（）下，新建独立文件夹的方式实现自定义 Skill.SKILL.md：技能说明与指令定义配套脚本或资源文件通过该方式可扩展专属能力，实现更贴合自身场景的自动化交互逻辑。