上一篇介绍了 LangChain 中的消息。我们已经知道，聊天模型接收的通常不是一段孤立文字，而是由 SystemMessage、HumanMessage、AIMessage 等对象组成的消息列表。 接下来会遇到另一个问题：消息结构可以固定

前两篇已经完成了本地 Qwen3 部署，并分别使用 OpenAI Python SDK 和 LangChain 调用了这个模型。 调用 ChatOpenAI 时，既可以直接传入一个字符串，也可以传入一个消息列表。字符串适合一次独立的问题；当

上一篇已经使用 MLX-LM 直接加载本地 Qwen3-14B-AWQ-4bit-MLX，完成中文生成测试，并把模型启动成只监听 127.0.0.1:18080 的本地 HTTP 服务。 直接加载模型适合验证模型文件和推理环境，但业务代码会

在开始写 LangChain 代码之前，先要准备一个可以稳定调用的大模型。 如果模型本身还不能正常加载，后面遇到问题时，就很难判断究竟是 LangChain 代码写错了，还是模型、运行环境、网络接口出了问题。因此，本系列先从最底层开始：把模

1. 为什么有了大模型还需要应用框架1.1 大模型不是完整应用Qwen、DeepSeek、GPT、Claude 这类大模型，主要负责理解输入和生成内容。 如果只是写一个简单问答程序，直接调用模型接口就可以： 用户问题 -> 模型 -> 模型