【大模型应用开发 LangChain模型输出属性速查表】

因为抱着与你重逢的期待，在我眼里，最险峻的小道也总是最好的。

                                                                                                —— 25.10.26

LangChain模型输出属性速查表

按 “完整回答对象”（如 AIMessage，invoke() 返回）和 “流式片段对象”（如 ChatGenerationChunk，stream() 返回）分类，涵盖核心属性的作用、示例值及使用场景，适配主流模型（DeepSeek、OpenAI、通义千问等）。

输出类型	属性名	类型	核心作用	示例值	使用场景
完整回答 / 流式片段	.content	str	存储模型生成的纯文本内容，是用户最终需要的回答文字	"我是基于 DeepSeek 训练的 AI 模型，可提供对话交互服务"	直接获取 / 打印模型回答、提取核心文本内容
完整回答 / 流式片段	.type	str	标记消息角色类型，区分 AI 回答与用户输入	"ai"（AI 回答）、"human"（用户输入）	对话历史管理（如区分 “用户问” 和 “AI 答”）、日志记录角色
完整回答	.additional_kwargs	dict	存储模型输出的官方元数据，含用量、模型版本、工具调用等关键信息	{"model": "deepseek-chat", "usage": {"prompt_tokens": 5, "completion_tokens": 20}, "finish_reason": "stop"}	统计 token 用量（控制成本）、判断回答是否完整（finish_reason）、获取工具调用结果
流式片段	.additional_kwargs	dict	存储流式片段的传输元数据，含片段标识、结束标记等	{"chunk_id": 3, "finish_reason": None}（中间片段）、{"chunk_id": 5, "finish_reason": "stop"}（最后片段）	判断流式输出是否结束（finish_reason="stop"）、追踪片段顺序（chunk_id）
完整回答 / 流式片段	.metadata	dict	存储自定义元数据，可手动添加回答来源、生成时间、业务标签等	{"source": "local_deepseek_model", "generate_time": "2024-05-20 14:30:00", "business_tag": "chatbot"}	追溯回答来源（如 “来自本地模型” 或 “参考文档 ID”）、添加业务属性（如对话场景标签）
完整回答	.example	bool	标记该消息是否为示例消息，用于构建 few-shot 提示（少样本学习）	False（默认，普通回答）、True（示例消息）	构建示例对话（如给模型提供 “用户问 - AI 答” 示例）、区分示例与真实回答