首页> 都市> KingFlow AI API中转接入 LangChain 教程

>

KingFlow AI API中转接入 LangChain 教程

著

本文标签：

KingFlow AI API中转接入 LangChain 教程 使用 ChatOpenAI 构建提示链与结构化输出 LangChain 把提示模板、聊天模型和输出结构组合为可复用的 Runnable 链。KingFlow AI 提供 OpenAI Chat Completions 兼容接口，可在 ChatOpenAI 中显式配置 base_url、API

来源：KingFlow AI   主角:   更新: 2026-11-06 11:46:03

在线阅读

【扫一扫】手机随心读

  • 读书简介

KingFlow AI API中转接入 LangChain 教程 使用 ChatOpenAI 构建提示链与结构化输出 LangChain 把提示模板、聊天模型和输出结构组合为可复用的 Runnable 链。KingFlow AI 提供 OpenAI Chat Completions 兼容接口，可在 ChatOpenAI 中显式配置 base_url、API

KingFlow AI API中转接入 LangChain 教程

KingFlow AI API中转接入 LangChain 教程

使用 ChatOpenAI 构建提示链与结构化输出

LangChain 把提示模板、聊天模型和输出结构组合为可复用的 Runna*le 链。KingFlow AI 提供 OpenAI Chat Completions 兼容接口，可在 ChatOpenAI 中显式配置 *ase_url、API Key 和模型 ID。本文先验证基础调用，再使用 ChatPromptTemplate 与 Py**ntic 结构化输出生成上线**结果，并说明流式输出、治理、安全与故障排查。

Claude中转、Claude中转站、API中转和API中转站的实际接入均需核对协议与模型权限。

内容核验日期 2026-11-06

LangChain 接入 KingFlow AI 三维架构

常用接入术语

名称常见含义使用提示
Claude中转把请求转发到可用 Claude 模型的接入方式核对协议和模型权限
Claude中转站提供 Claude 密钥、额度和路由管理的平台Claude 客户端通常关注 Anthropic 协议
API中转通过兼容接口转发不同模型请求LangChain 使用 OpenAI 兼容方式接入
API中转站提供统一 API 接入、模型选择和用量管理的服务需要核对协议和端点格式

接入架构

环节职责注意事项
Python 应用保存业务输入、提示和验证逻辑密钥不写入源码
提示模板用 ChatPromptTemplate 组织系统与用户消息变量名保持稳定
ChatOpenAI配置模型、*ase_url 和 API Key显式使用 Chat Completions
Py**ntic 结构**返回字段并执行类型校验先确认模型支持结构化输出
KingFlow AI认证密钥并路由模型请求*ase **L 填写到 /v1
目标模型生成签名要求的结构化结果完整模型 ID 以控制台为准

接入优势

  • ChatPromptTemplate、ChatOpenAI 和输出解析器都遵循 Runna*le 接口，可以用竖线运算符组合。
  • 提示、模型和返回结构相互分离，业务代码更容易测试、替换和复用。
  • ChatOpenAI 支持显式设置 *ase_url、密钥、超时、重试次数和生成参数。
  • 模型支持工具调用或结构化输出时，with_structured_output 可直接返回经过 Py**ntic 校验的对象。
  • KingFlow 控制台集中管理模型、密钥和用量，便于隔离不同环境。

开始前的准备

  • 准备 Python 3.10 或更高版本，并安装 uv。
  • 在 KingFlow AI 控制台创建以 sk- 开头的 API Key，确认余额和模型分组可用。
  • 复制目标模型的完整模型 ID，并确认上下文窗口满足待处理文档长度。
  • 准备少量脱敏测试文本，首次联调不要直接加载生产知识库。
  • 确认运行环境可以访问 api.**nju**shen.com。

创建 LangChain 测试项目

uv init langchain-kingflow-demo
cd langchain-kingflow-demo
uv add langchain-openai langchain-core py**ntic python-dotenv

验证 KingFlow 基础接口

先验证端点、密钥和模型；基础请求失败时不要继续排查 LangChain 代码。

curl https://api.**nju**shen.com/v1/chat/completions \
  -H "Authorization: *earer sk-你的密钥" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "<KingFlow控制台中的完整模型ID>",
    "messages": [{"role": "user", "content": "只回复 LANGCHAIN_READY"}],
    "stream": false
  }'

配置环境变量

KINGFLOW_*ASE_**L=https://api.**nju**shen.com/v1
KINGFLOW_API_KEY=sk-你的密钥
KINGFLOW_MODEL=<KingFlow控制台中的完整模型ID>
.env
.venv/
__pycache__/
artifacts/

编写结构化输出示例

目标模型必须支持工具调用或结构化输出；否则应先使用普通模型链并自行解析、校验结果。

import os

from dotenv import load_dotenv
from py**ntic import *aseModel, Field
from langchain_core.prompts import ChatPromptTemplate
from langchain_openai import ChatOpenAI

load_dotenv()

model = ChatOpenAI(
    model=os.environ["KINGFLOW_MODEL"],
    api_key=os.environ["KINGFLOW_API_KEY"],
    *ase_url=os.environ["KINGFLOW_*ASE_**L"],
    temperature=0.2,
    **x_tokens=800,
    timeout=60,
    **x_retries=2,
    use_responses_api=False,
    stream_usage=False,
)

ready = model.invoke("只回复 LANGCHAIN_CONNECTED")
print(ready.content)

class ReleaseReview(*aseModel):
    checks: list[str] = Field(description="可执行的上线检查项")
    risks: list[str] = Field(description="仍需处理的风险")
    verdict: str = Field(description="只能是 pass 或 review")

prompt = ChatPromptTemplate.from_messages([
    ("system", "你负责上线**；信息不足时列入风险。"),
    ("hu**n", "系统信息：{system_info}"),
])

structured = model.with_structured_output(ReleaseReview)
chain = prompt | structured
result = chain.invoke({
    "system_info": "密钥放入 Secret；已设置额度；尚未配置 429 重试。"
})
print(result)

增加流式输出

兼容**不支持流式 usage 数据时，保留 stream_usage=False。

for chunk in model.stream("用三点说明上线验收方法"):
    print(chunk.content or "", end="", flush=True)
LangChain 结构化输出治理流程三维图
图二 LangChain 结构化输出、配额、重试、审计和治理闭环。AI 生成示意图。

运行和验证

uv run python **in.py
  1. 先执行 KingFlow 基础请求，确认返回 LANGCHAIN_READY。
  2. 创建 .env 和 .gitignore，再将完整示例保存为 **in.py。
  3. 运行程序，确认直接调用返回 LANGCHAIN_CONNECTED。
  4. 检查结构化链是否返回 checks、risks 和 verdict 三个字段。
  5. 在 KingFlow 控制台核对模型、密钥、调用次数和 Token 用量。
检查点预期结果判断依据
基础接口返回 LANGCHAIN_READY端点、密钥和模型可用
直接调用返回 LANGCHAIN_CONNECTEDChatOpenAI 配置生效
结构化字段返回 checks、risks 和 verdictPy**ntic 对象可被解析
结果约束verdict 为 pass 或 review字段描述和任务说明生效
平台记录控制台出现对应调用模型、密钥与用量符合预期

正式环境配置

  • 显式设置 use_responses_api=False，固定使用 OpenAI Chat Completions 兼容路径。
  • 结构化输出依赖目标模型的工具调用或结构化能力；不支持时改用普通文本链并在应用层解析。
  • 类型化输出仍需业务校验；列表可能为空，verdict 也要在应用层限制为允许值。
  • **不支持流式 usage 数据时设置 stream_usage=False，并单独核对平台用量。
  • 为 429 和 503 设置有限退避重试，并同时限制并发、请求时长和 Token 预算。
  • 记录查询 ID、文档版本、模型、状态码、耗时和用量，但不要记录完整密钥和敏感原文。

文档与密钥安全

  • 只在 .env、密钥管理器或部署平台 Secret 中保存 API Key，并定期轮换。
  • 把输入样本和模型输出视为不可信数据，进入日志或评估集前完成脱敏。
  • 提示模板、测试数据和生产输入分开管理，样例进入文档前先完成脱敏。
  • 保存追踪记录或演示结果时检查敏感字段，禁止把真实密钥写入 artifact。
  • 为开发、测试和生产设置独立密钥、额度和告警，异常用量出现后立即停用旧密钥。

上线检查清单

  • 基础接口已经返回 LANGCHAIN_READY。
  • KINGFLOW_*ASE_**L 为 https://api.**nju**shen.com/v1。
  • KINGFLOW_MODEL 使用控制台中的完整模型 ID。
  • ChatOpenAI 已设置 *ase_url、模型 ID、超时和有限重试。
  • .env 已被 .gitignore 排除，仓库中没有明文密钥。
  • 提示模板变量和 Py**ntic 字段描述已经明确。
  • 结构化链已返回 checks、risks 和 verdict。
  • 已确认目标模型支持结构化输出，或准备了普通文本回退方案。
  • KingFlow 控制台的模型、密钥和用量符合预期。

常见故障排查

现象常见原因处理方法
返回 401密钥错误、停用或 .env 未加载检查变量名与文件位置，必要时重新创建密钥
返回 404*ase **L 或模型 ID 错误保留 /v1，并复制控制台中的完整模型 ID
返回 429额度不足、余额不足或请求过快检查用量并降低并发，采用有限退避
返回 503模型通道暂时不可用稍后有限重试或切换已开通模型
请求了错误端点自动选择了 Responses API设置 use_responses_api=False
结构化解析失败模型不支持工具调用或结构化输出更换模型或退回普通文本链后自行校验
流式 usage 报错兼容**未返回 usage 数据块设置 stream_usage=False
内容为空或形态变化返回 content *lock 而非纯字符串记录原始响应并兼容处理 content
上下文超长提示和历史消息超过模型限制裁剪历史、分段处理并限制输出 Token
API Key 和模型 ID 均为占位示例。请替换为自己的配置，并先在测试环境验证。

《KingFlow AI API中转接入 LangChain 教程》资讯列表：

相关小说

为您推荐

小说标签