Model I/O：与模型交互的三要素

三要素

Model I/O 模块描述了"模型交互"的完整流程：

1. Prompt（提示词）：你喂给模型什么；
2. Model（模型）：用哪种模型、什么参数去推理；
3. Output Parser（输出解析）：如何把文本回复变成程序可用的数据。

消息与角色

对话模型的消息有角色之分：

from langchain_core.messages import SystemMessage, HumanMessage, AIMessage

messages = [
    SystemMessage(content="你是一位资深 Python 导师"),
    HumanMessage(content="什么是装饰器？"),
]
resp = llm.invoke(messages)
print(resp.content)

• System：设定模型的人设与规则，权重最高；
• Human：用户输入；
• AI：模型的历史回复（多轮对话时传入）。

关键模型参数

• temperature：随机性。0 = 稳定可复现（适合抽取/分类），0.7+ = 更有创造性（适合写作）；
• max_tokens：回复长度上限；
• stop：遇到指定字符串即停止生成。

实践建议：分类、信息抽取等任务把 temperature 设为 0；创意写作用 0.7~1.0。