1.安装ollama的package包；
# install package
pip install -U langchain-ollama
2.我们直接使用ChatOllama实例化模型，并通过invoke进行调用；
from langchain_ollama import ChatOllamallm = ChatOllama(model="deepseek-r1")
messages = [("system", "你是一个很有用的翻译助手，请将以下句子翻译成英语。"),("human", "我爱编程。")
]
message = llm.invoke(messages)
print(message.content)
3.通过流式方式调用大模型；
from langchain_ollama import ChatOllamamsgs = [("human", "LLM是什么?")
]
llm = ChatOllama(model="deepseek-r1")
for chunk in llm.stream(msgs):print(chunk.content, end='')
4.我们可以直接使用chain链接prompt和llm进行调用；
from langchain_ollama.chat_models import ChatOllama
from langchain_core.prompts import ChatPromptTemplateprompt = ChatPromptTemplate.from_messages([("system","你是一个很有帮助的翻译助手，请将用户的输入从{input_language}成{output_language}"),("human","{input}")]
)llm = ChatOllama(model="deepseek-r1")
chain = prompt | llm
msg = chain.invoke({"input_language":"中文","output_language":"英文","input":"我爱编程。"}
)
print(msg.content)
5.通过tool标记函数，并使用bind_tools来绑定函数，来实现tools的调用；
from typing import Listfrom langchain_ollama import ChatOllama
from langchain_core.tools import tool# """校验用户的历史住址.# Args:# user_id (int): 用户的id.# addresses (List[str]): 以前居住的地址列表.# """@tool
def validate_user(user_id: int, addresses: List[str]) -> bool:"""Validate user using historical addresses.Args:user_id (int): the user ID.addresses (List[str]): Previous addresses as a list of strings."""return Truellm = ChatOllama(model="qwen3:0.6b").bind_tools([validate_user])
result = llm.invoke("请校验一下用户123，他以前在""河南省郑州市和""北京市西城区住过"
)
print(result.tool_calls)
)
