我要投稿
微信搜一搜，关注“langchain”
背景
LangChain 提供了强大的框架和工具，使得开发者可以轻松地自定义和封装大型语言模型（LLM）。通过使用 LangChain，开发者可以突破对 OpenAI API Key 的依赖，并实现更加个性化和灵活的 LLM 应用。比如，我们有个很新很新的LLM，langchain还未提供对应的集成支持，如何在尽可能不修改原项目代码的情况下，封装自定义的大语言模型（LLM）模块呢？本文的目的就是带你一起探索如何利用langchain库快速封装自定义的LLM。自定义LLM常用于以下场景：
1. 用于封装langchain尚未支持的大型语言模型。对于新模型或者还未集成的模型自己封装实现支持。
2. 模拟测试。假设有个模型调用成本高，但是我们知道这个模型对于特定的输入大概返回什么样的结果，那么我们可以封装个自定义LLM，比如MOCK一个模块来模拟真实的模块，这样就无需每次耗费大量的token去从最开始的入口调用LLM。
3. 定义LLM模块被调用的时候，如何根据输入的文本来输出。这个就是定制自己调用的LLM方法。
实现思路
从实现的角度，我们依然是依照LLM的输入输出框架来定义，如下：
my_custom_llm = MyCustomLLM()print(my_custom_llm("你好啊！"))需要继承 langchain_core.language_models.llms.LLM
简单示例
from typing import Any,List,Mapping,Optionalfrom langchain.llms.base importLLMfrom langchain.callbacks.manager importCallbackManagerForLLMRunclass MyCustomLLM(LLM):def _llm_type(self) -> str:return "傻傻的LLM"def _call(self,prompt: str,stop: Optional[List[str]] = None,run_manager: Optional[CallbackManagerForLLMRun] = None,**kwargs: Any,) -> str:if stop is not None:raise ValueError("stop kwargs are not permitted.")return "怎么啦？"llm = MyCustomLLM()print(llm("你好"))print(llm("你怎么那么多问题？"))
答复：
怎么啦？怎么啦？
53AI，企业落地大模型首选服务商
产品：场景落地咨询+大模型应用平台+行业解决方案
承诺：免费POC验证，效果达标后再合作。零风险落地应用大模型，已交付160+中大型企业
2025-07-29
LangGraph v0.6 重磅发布！全新 Context API 让智能体开发更简单
2025-07-25
LangChain---Memory：为AI应用赋予“记忆”
2025-07-23
Langchain学习教程一（Hello World）
2025-07-23
Langchain学习教程二（提示词模板和 LCEL 语法）
2025-07-23
Langchain 教程三（FewShotChatMessagePromptTemplate）
2025-07-23
Langchain 教程四（OutputParser）
2025-07-23
Langchain教程五(LCEL 上篇)
2025-07-23
Langchain教程六(LCEL下篇)
2025-05-06
2025-06-05
2025-05-28
2025-05-08
2025-05-28
2025-05-19
2025-06-26
2025-07-14
2025-05-19
2025-05-14
2025-07-14
2025-07-13
2025-07-05
2025-06-26
2025-06-13
2025-05-21
2025-05-19
2025-05-08
回到顶部
粤ICP备14082021号