使用 LangChain 封装 ERNIE API 与直接调用千帆平台 API 相比，主要区别和优势体现在以下几个方面：

1. 与 LangChain 生态的兼容性

• 直接调用：只能单独使用 ERNIE 模型的 API，无法利用 LangChain 的其他组件
• LangChain 封装：可以无缝集成到 LangChain 的生态系统中，与其他组件（如向量存储、工具调用、记忆系统等）协同工作

2. 功能扩展性

• 直接调用：需要自己实现复杂功能（如多轮对话记忆、提示词模板管理等）
• LangChain 封装：可以直接使用 LangChain 提供的高级功能：
  • 内置的提示词模板（PromptTemplate）
  • 对话链（Chain）实现复杂逻辑组合
  • 记忆系统（Memory）管理上下文
  • 工具调用能力（Tool）扩展 AI 能力边界

3. 代码复用性

• 直接调用：每次使用都需要重复编写 API 调用逻辑
• LangChain 封装：封装为标准 LLM 类后，可以在不同项目中直接复用，符合面向对象设计原则

4. 多模型切换能力

• 直接调用：切换模型（如从 ERNIE 切换到 GPT）需要大量修改代码
• LangChain 封装：遵循统一接口，更换模型切换只需修改初始化参数，核心业务逻辑无需变动

5. 开发效率

• 直接调用：需要手动处理许多通用功能（如重试机制、结果解析等）
• LangChain 封装：框架已内置这些通用功能，开发者可专注于业务逻辑

例如，使用 LangChain 后，你可以轻松实现这样的复杂功能：

python

运行

# 示例：添加记忆功能
from langchain.memory import ConversationBufferMemory

memory = ConversationBufferMemory(memory_key="chat_history")
chain = LLMChain(
    llm=ernie_llm,
    prompt=prompt,
    memory=memory
)

# 多轮对话会自动记住上下文
chain.run(input="你好，我叫张三")
chain.run(input="我刚才告诉你我的名字了吗？")  # 模型会知道你叫张三

简单来说，直接调用适合简单场景，而 LangChain 封装适合需要构建复杂 AI 应用的场景，它提供了标准化的接口和丰富的工具集，让开发者能够更高效地构建功能强大的 AI 应用。