langchain-chat-models

langchain-chat-models 技能为 LangChain 生态系统内的各种大型语言模型 (LLM) 提供者提供了标准化且统一的交互接口。此技能专为软件工程师与 AI 开发者设计，将各个厂商的 API（如 OpenAI、Anthropic、Google Gemini、Azure OpenAI 与 AWS Bedrock）复杂性封装成一组共通方法。通过使用此技能，开发者可以无缝地在不同提供者之间切换，实现工具调用 (tool calling)、管理流式响应与结构化输出，无需为每个新模型集成重写核心逻辑。这对于构建需要灵活性、性能与企业级可靠性的模型无关性 (model-agnostic) AI 应用程序至关重要。

• 提供统一的 API 接口，用于调用多种 LLM 提供者，包括 OpenAI、Anthropic、Google GenAI 与 AWS Bedrock。

• 完整支持进阶 LLM 功能，包含函数/工具调用、流式 Token 生成，以及 JSON 或 TypeScript 类型等结构化输出。

• 内建供应商选择决策辅助，协助开发者根据上下文窗口需求、成本、延迟与合规性要求选择合适模型。

• 跨平台配置支持，能在 Azure、GCP、AWS 等企业环境中部署，同时保持一致的代理行为。

• 使用 initChatModel 的进阶初始化模式，实现动态模型切换与基于环境的配置管理。

• 用户应将输入定义为具有不同角色（系统、用户、助手）的消息数组，以维持多轮对话的状态与上下文。

• 利用提供的供应商决策表来匹配特定的项目限制，例如使用 Anthropic 进行长上下文分析，或使用 OpenAI 进行高效率的函数调用。

• 实现环境变量（例如 OPENAI_API_KEY、ANTHROPIC_API_KEY）以安全地在源代码之外管理验证密钥。

• 在构建复杂系统时，请利用结构化输出解析以确保模型响应遵守严格的 JSON 架构，从而减少下游数据验证错误。

• 请注意供应商特定的限制，例如 AWS Bedrock 的区域性限制或 Azure OpenAI 的部署版本管控，这些因素可能会影响模型的可用性与性能。