在 LangChain 里调用大模型,你会遇到两个名字很像的类:OpenAI 和 ChatOpenAI。先给结论:OpenAI 是旧的文本补全接口,输入一段字符串、续写一段字符串;ChatOpenAI 是新的对话接口,输入角色分明的消息列表、返回对话消息。如今绝大多数场景都该用 ChatOpenAI,OpenAI 主要负责兼容老代码。本文用同一件事分别调用两个类,讲清输入输出格式、适用边界和迁移时的注意点,并给出失败分支的处理办法。文中的接口行为基于 langchain-openai 与 LangChain 0.2+,示例为编辑整理,未在本机实际运行。

先看结论
两个类对应的是两代接口,不是同一件事的两种写法。
第一,OpenAI 走补全(completion)模式。你给一段提示词,它接着往下写。适合单轮文本生成,但模型对新版对话模型的支持有限。想理解补全与对话的差别,可以先过一遍 人工智能概述 里的相关基础内容。
第二,ChatOpenAI 走对话(chat)模式。输入是 system、user、assistant 这几种角色的消息列表,能多轮上下文交谈,是当前推荐的方式。
第三,怎么选:新项目一律 ChatOpenAI;只有维护旧代码时才保留 OpenAI。选错类的直接后果,是调用新版模型时报错或效果异常。
一、先看清输入输出格式的不同
两个类最直观的差别,是传参形式。看 OpenAI 的补全写法:
from langchain.llms import OpenAI
llm = OpenAI(model_name="text-davinci-003", temperature=0)
print(llm("用一句话解释什么是梯度"))
预期结果(未在本机执行):传入一段字符串,返回一段续写的字符串。补全接口不知道「谁在说话」,只有一段连续文本。
再看 ChatOpenAI 的对话写法:
from langchain_openai import ChatOpenAI
from langchain_core.messages import HumanMessage, SystemMessage
chat = ChatOpenAI(model="gpt-3.5-turbo", temperature=0)
msgs = [SystemMessage(content="你是编程助手"),
HumanMessage(content="用一句话解释什么是梯度")]
print(chat.invoke(msgs).content)
预期结果(未在本机执行):传入带角色的消息列表,返回一条 assistant 消息,取 .content 拿到文本。对话接口能区分系统设定和用户输入,这是多轮对话的基础。想在线核对结构化输出,可以用 Python 在线运行 试跑。
⚠️ 注意:新版对话模型(如 gpt-3.5-turbo、gpt-4 系列)只能走对话接口,用旧的 OpenAI 类调用会报「模型不支持补全」的错误。
二、参数与调用方式对照
两个类的常用参数大体对应,但名字和位置有变化。
OpenAI 常见参数:model_name、temperature、max_tokens、api_key。
ChatOpenAI 常见参数:model(新版本用 model,旧别名 model_name)、temperature、max_tokens、api_key。
调用上也有差别:OpenAI 可以直接像函数一样调用 llm("问题");ChatOpenAI 更推荐用 invoke(消息列表),返回的是消息对象而非裸字符串。
# ChatOpenAI 直接传字符串也可以,内部会包成 HumanMessage
print(chat.invoke("用一句话解释梯度").content)
预期结果(未在本机执行):返回一条消息,.content 是回答文本。这是 LangChain 做的便利封装,但表达力不如显式的消息列表。
💡 小提示:从 langchain.llms 迁移到 langchain_openai 时,导入路径也变了。新版把 OpenAI 相关类单独拆到 langchain-openai 包里,记得同步改 import。
顺便说清楚 temperature 这个参数在两类里的作用是一致的:值越接近 0,输出越确定、越适合事实问答;值越大,随机性越强、适合创意写作。它和接口代次无关,迁移时不用改取值。max_tokens 同理,控制的是单次输出上限。真正需要跟着接口一起调整的,只有输入格式和返回值的读取方式这两处。
三、适用边界与失败分支
把两者的取舍放在一起看:
| 维度 | OpenAI | ChatOpenAI |
|---|---|---|
| 接口模式 | 文本补全 | 对话消息 |
| 输入形式 | 一段字符串 | 角色消息列表 |
| 新版模型支持 | 有限 | 完整支持 |
| 适用 | 维护旧代码 | 新项目、多轮对话 |
3.1 反例与失败分支
几个真实会踩的坑,逐个说清:
- 用 OpenAI 调对话模型:报「模型不支持补全」。原因是接口与模型代次不匹配,换成 ChatOpenAI 即可。
- 忘了取 .content:ChatOpenAI 的 invoke 返回消息对象,直接 print 会带一堆字段。要文本就取 .content。
- 导入路径写错:新版用 langchain_openai,旧路径 langchain.chat_models 可能有兼容层也可能报错,跟着你装的 LangChain 版本走。
- 性能取舍:对话接口多了角色结构,单轮调用的开销差异很小;真正影响成本的是模型和 token 数,不是这两个类的选择。
- 多轮丢上下文:ChatOpenAI 本身不会记住上一轮,要把历史消息一起放进列表传进去,或交给带记忆的链去管理。误以为它自动记忆,是新手最常见的失望来源。
3.2 动手核对清单
按顺序做一遍,就能确认自己用对了:
- 前置:准备好 API Key,装好 langchain-openai;
- 操作:分别用两个类完成同一句提问,打印返回类型;
- 检查:确认 OpenAI 返回字符串、ChatOpenAI 返回消息对象;
- 预期:新版模型只有 ChatOpenAI 能正常调用;
- 验证:构造一轮 system + user 消息,确认模型遵循了系统设定;
- 失败处理:报「模型不支持」就换对话类,取不到文本就查 .content。
以上步骤基于 langchain-openai 与 LangChain 0.2+ 整理,示例均标为未在本机执行;你安装的版本若有差异,参数名和导入路径可能有出入,请以实际官方文档为准再做调整。


总结
OpenAI 是旧的补全接口,输入字符串续写字符串;ChatOpenAI 是对话接口,输入输出都是带角色的消息。新版模型只能走对话接口,新项目一律用 ChatOpenAI。
要点带走:
- 新项目选 ChatOpenAI,维护旧代码才保留 OpenAI;
- 对话接口返回消息对象,取文本用 .content;
- 换类时同步改导入路径,从 langchain_openai 引入。
常见问题
Q:OpenAI 和 ChatOpenAI 有什么区别?
A:OpenAI 是文本补全接口,输入一段字符串、续写一段字符串;ChatOpenAI 是对话接口,输入 system、user 等角色的消息列表、返回对话消息。新版对话模型只支持后者,新项目应优先用 ChatOpenAI。
Q:为什么用 OpenAI 调用 gpt-3.5-turbo 会报错?
A:因为 gpt-3.5-turbo 这类是对话模型,只提供聊天接口,不支持旧的补全接口。用 OpenAI 类调用就会报「模型不支持补全」。换成 ChatOpenAI 并传消息列表即可解决。
Q:从 OpenAI 迁移到 ChatOpenAI 要注意什么?
A:三处要改:一是导入路径换成 langchain_openai;二是输入从字符串改成消息列表;三是返回从字符串改成消息对象,取文本要用 .content。参数名大体对应,但 model_name 在新版常用 model。
延伸学习
想继续补齐大模型应用开发基础,可以按这个顺序看:
- 想系统入门人工智能应用,可以看 AI 人工智能教程;
- 想补清人工智能的基本概念,翻 AI是什么意思核心概念;
- 想把调用代码排版整理干净,用 Python代码格式化 辅助核对。

TRAE-AI编程



