在大模型技術(shù)快速迭代的今天，開發(fā)者面臨的最大痛點(diǎn)之一就是 不同廠商 API 的分化。 每次切換 LLM 提供商（如 OpenAI、Anthropic、Google Gemini），都可能要重寫一大堆代碼，既耗時(shí)又增加維護(hù)成本。

現(xiàn)在，LangChain 給出了答案： 我們正式推出了 標(biāo)準(zhǔn)化消息內(nèi)容視圖（Standard Content Blocks）。它統(tǒng)一了推理過程、引用標(biāo)注、服務(wù)端工具調(diào)用以及多模態(tài)能力，讓你真正做到 “一次編寫，隨處運(yùn)行”。

為什么需要標(biāo)準(zhǔn)化？

LangChain 的核心優(yōu)勢(shì)一直是提供 跨大模型的抽象層。 但隨著功能越來越豐富，問題也越來越嚴(yán)重：

• 各大廠商支持的功能類似，但 API 表達(dá)差異很大；
• 兼容層（如 Chat Completions API）通常更新滯后，甚至無(wú)法覆蓋原生功能；
• Web 搜索、代碼解釋器、多模態(tài)數(shù)據(jù)等能力難以保持一致。

結(jié)果是：開發(fā)者不得不在兼容邏輯上反復(fù)“造輪子”。

而 Standard Content Blocks 的出現(xiàn)，正是要把這些分歧統(tǒng)一到一個(gè)標(biāo)準(zhǔn)結(jié)構(gòu)上。

LangChain 1.0 的新能力

在 ??langchain??? 1.0 中，所有消息對(duì)象都支持標(biāo)準(zhǔn)化的 ??.content_blocks?? 屬性，它會(huì)從現(xiàn)有消息內(nèi)容中延遲生成一致的結(jié)構(gòu)。

標(biāo)準(zhǔn)化內(nèi)容塊 確保 相同的功能在不同提供商之間得到一致表示。它們實(shí)際上是一組類型化的數(shù)據(jù)結(jié)構(gòu)，包括：

• 標(biāo)準(zhǔn)文本輸出（包括 citations / annotations）
• 模型 reasoning 輸出（結(jié)構(gòu)化 chain-of-thought）
• 多模態(tài)數(shù)據(jù)：圖片、音頻、視頻、文檔（URL / base64 / 存儲(chǔ)桶 ID）
• 工具/函數(shù)調(diào)用（function calls & tool use）
• 廠商特定工具：Web 搜索、代碼執(zhí)行等

支持范圍：目前已在 Python 和 JS 中提供。

技術(shù)細(xì)節(jié)與示例

不同廠商 API 的響應(yīng)在結(jié)構(gòu)上差異明顯。以下以 Anthropic Claude 與 OpenAI Responses API 為例。

Anthropic 示例

from langchain.chat_models import init_chat_model

llm = init_chat_model(
    "anthropic:claude-sonnet-4-20250514",
    thinking={"type": "enabled", "budget_tokens": 5_000},
).bind_tools([{
    "type": "web_search_20250305",
    "name": "web_search",
    "max_uses": 1,
}])

response = llm.invoke("When was LangChain created?")
print(response.content)

返回的 ??.content??? 包含 ??thinking???、??server_tool_use???、??web_search_tool_result??? 和 ??text??。

OpenAI 示例

from langchain.chat_models import init_chat_model

llm = init_chat_model(
    "openai:gpt-5-nano",
    reasoning={"effort": "low", "summary": "auto"},
).bind_tools([{"type": "web_search_preview"}])

response = llm.invoke("When was LangChain created?")
print(response.content)

返回的結(jié)果使用 ??reasoning???、??web_search_call??? 和 ??text??，字段命名與結(jié)構(gòu)不同。

?統(tǒng)一后的 ???.content_blocks???

使用 ??.content_blocks?? 屬性，二者會(huì)被解析為一致的表示：

response.content_blocks
# [
#   {"type": "reasoning", "reasoning": "..."},
#   {"type": "web_search_call", "query": "...", "id": "..."},
#   {"type": "web_search_result", "urls": [...], "id": "..."},
#   {"type": "text", "text": "...", "annotations": [...]},
# ]

這樣，開發(fā)者無(wú)需再針對(duì)不同 API 寫冗余的適配代碼。

完全向后兼容

• 零破壞性更新：100% 兼容現(xiàn)有 LangChain 應(yīng)用
• 統(tǒng)一適配：??.content_blocks?? 可用于所有消息類型，包括緩存中的舊消息

目前 alpha 版本已支持：

• Chat Completions API（包括 OpenAI）
• OpenAI Responses API
• Anthropic (Claude)

未來將支持所有主要 LLM 提供商。

展望未來：從兼容到工程化

標(biāo)準(zhǔn)化消息內(nèi)容不僅僅是語(yǔ)法糖，而是 LLM 應(yīng)用走向工程化的基石。

它帶來的價(jià)值：

• 自信構(gòu)建：類型安全幫助提前發(fā)現(xiàn)錯(cuò)誤
• 跨廠商遷移更快：無(wú)需重寫應(yīng)用邏輯即可切換模型
• 未來可擴(kuò)展：新功能上線即可無(wú)縫接入，不破壞現(xiàn)有代碼

這意味著，LangChain 不只是兼容層，而是 多模型生態(tài)的統(tǒng)一開發(fā)標(biāo)準(zhǔn)。

結(jié)語(yǔ)：現(xiàn)在就開始嘗試！

如果你正在為 多模型兼容 或 快速引入新功能 而煩惱，LangChain 1.0 的 Standard Content Blocks 將是你的最佳助手。

本文轉(zhuǎn)載自????????AI小智????????，作者： AI小智