Prompts输入大模型应用后，下一个重要的处理组件就是LLM或者Chat Model，在这里大模型根据提示语产生相应内容，本章主要介绍LLM。
LangChain不定义自己的LLMs，但是它提供标准接口。由其他的LLM提供商（比如OpenAI、Cohere、Hugging Face等）实现底层细节，LangChain设计的一系列标准化接口用于上层对这些LLM的调用和交互。
LLM的基本使用
LLM各个版本都是BaseLLM的子类，后者又是Runnable的后代，所以各个LLMs都是Runnable接口的实现。这既意味着各LLMs实现支持invoke/ainvoke，stream/astream，batch/abatch等调用（具体支持Runnable接口哪些方法可以查看这里的表格内容），也说明它可以使用LCEL语法。下面看简单示例：
from langchain_community.llms import Ollamallm = Ollama(model="llama3", temperature=0)print(llm.invoke("tell me a joke about bear."))打印LLM的返回：
自定义LLM
当我们需要封装自己的LLM类时，或者将LangChain支持的LLM进行其他不同的行为封装，这时候我们可以自定义LLM，以便使用自己的LLM的同时享受LangChain框架带来的便利。
实现自己的LLM，以下2个方法必须实现：
- _llm_type: 返回属性字符串，可以用在记录日志。
- _call: 供invoke方法使用，底层大模型的封装。接受的参数有：
- prompt：用于生成内容的提示。
- stop：生成时的停用词。模型的输出在首次出现停用子字符串时被截断，如果不支持停用词，建议抛出异常NotImplementedError。
- run_manager：回调管理器。
- **kwargs: 任意额外的关键字参数。这些通常传递给模型提供商的API调用。
from typing import Any, List, Optionalfrom langchain_core.callbacks.manager import CallbackManagerForLLMRun
from langchain_core.language_models.llms import LLMclass CustomLLM(LLM):def _call(self,prompt: str,stop: Optional[List[str]] = None,run_manager: Optional[CallbackManagerForLLMRun] = None,**kwargs: Any,) -> str:if stop is not None:raise NotImplementedError("stop kwargs are not permitted.")return "Yeh! I know everything, but I don't want to tell you!"@propertydef _llm_type(self) -> str:return "my-custom-llm"llm = CustomLLM()
print(llm.invoke("Tell me a joke about bear"))
然后执行脚本，发现这是个很拽的LLM ^_^!
一些可选的实现接口方法：
- _acall：与_call类似，异步版，供ainvoke调用。
- _stream：逐个token地流式输出。
- _astream：stream的异步版。
- _identifying_params：@property修饰的属性，用于帮助识别模型并打印LLM，应返回一个字典。
缓存（Caching）
缓存技术应用广泛，其主要目的是提升响应速度。缓存了已知结果的数据，当下一次再查询时直接返回缓存里的内容，不经可以提升用户体验，还能节省api调用和token流量费用。
通过langchain.globals中的set_llm_cache方法将InMemoryCache对象实例保存在langchain的全局LLM缓存中。当每次通过LLM发送请求时langchain会查询全局缓存是否已有对应输入的缓存结果。如有，则将缓存的结果返回；否则调用LLM接口，并将结果缓存（LangChain代码看这里）。
import timefrom langchain.globals import set_llm_cache
from langchain_community.llms import Ollama
from langchain_community.cache import InMemoryCachellm = Ollama(model="llama3", temperature=0)# 设置缓存
set_llm_cache(InMemoryCache())start1 = time.time()
print(llm.invoke("Tell me a joke"))
print("elapsed time: ", time.time()-start1)start2 = time.time()
print(llm.invoke("Tell me a joke"))
print("elapsed time: ", time.time()-start2)上面代码中set_llm_cache(InMemoryCache())即完成了缓存设置。运行结果如下，可以看出第二次使用了缓存结果，时间大大缩短：
如果注释掉上面代码中的这句：set_llm_cache(InMemoryCache())，则可以发现两次调用时间相当：
如果不用内存Cache，而是使用SQLite作为后台缓存，只要将前面的set_llm_cache(InMemoryCache())改为即可：
set_llm_cache(SQLiteCache(database_path=".langchain.db"))