langchain-chat-models

langchain-chat-models 技能為 LangChain 生態系統內的各種大型語言模型 (LLM) 提供者提供了標準化且統一的交互介面。此技能專為軟體工程師與 AI 開發者設計，將各個廠商的 API（如 OpenAI、Anthropic、Google Gemini、Azure OpenAI 與 AWS Bedrock）複雜性封裝成一組共通方法。透過使用此技能，開發者可以無縫地在不同提供者之間切換，實作工具呼叫 (tool calling)、管理串流回應與結構化輸出，無需為每個新模型整合重寫核心邏輯。這對於構建需要靈活性、效能與企業級可靠性的模型無關性 (model-agnostic) AI 應用程式至關重要。

• 提供統一的 API 介面，用於呼叫多種 LLM 提供者，包括 OpenAI、Anthropic、Google GenAI 與 AWS Bedrock。

• 完整支援進階 LLM 功能，包含函式/工具呼叫、串流 Token 生成，以及 JSON 或 TypeScript 型別等結構化輸出。

• 內建供應商選擇決策輔助，協助開發者根據上下文窗口需求、成本、延遲與合規性要求選擇合適模型。

• 跨平台配置支援，能在 Azure、GCP、AWS 等企業環境中部署，同時保持一致的代理行為。

• 使用 initChatModel 的進階初始化模式，實現動態模型切換與基於環境的配置管理。

• 使用者應將輸入定義為具有不同角色（系統、使用者、助手）的訊息陣列，以維持多輪對話的狀態與上下文。

• 利用提供的供應商決策表來匹配特定的專案限制，例如使用 Anthropic 進行長上下文分析，或使用 OpenAI 進行高效率的函式呼叫。

• 實作環境變數（例如 OPENAI_API_KEY、ANTHROPIC_API_KEY）以安全地在原始碼之外管理驗證密鑰。

• 在構建複雜系統時，請利用結構化輸出解析以確保模型回應遵守嚴格的 JSON 架構，從而減少下游資料驗證錯誤。

• 請注意供應商特定的限制，例如 AWS Bedrock 的區域性限制或 Azure OpenAI 的部署版本控管，這些因素可能會影響模型的可用性與效能。