需先确保各模型api或本地服务就绪且端口不冲突，再安装langchain-openai等指定依赖，配置对应密钥或model_id及device_map，用runnableparallel构建三路子链并适配消息格式，最后统一超时熔断与参数归一化。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
准备多模型调用环境
要在一次对话中同时调用多个大模型（如 GPT-4、Claude-3、Orion-14B-Chat-RAG），必须确保各模型的 API 或本地推理服务已独立就绪，且网络/端口不冲突。
安装基础依赖：运行 pip install -qU langchain-openai langchain-anthropic langchain-huggingface。注意不要装 langchain 全量包，避免版本冲突导致 RunnableParallel 初始化失败。
为每个模型单独配置认证密钥或模型路径：OpenAI 使用 OPENAI_API_KEY，Anthropic 使用 ANTHROPIC_API_KEY，HuggingFace 本地模型需指定 model_id="Orion-14B-Chat-RAG" 并加载 device_map="auto" —— 【若未设 device_map，14B 模型在单卡 24GB 显存下会 OOM 中断】。
构建并行调用链
使用 LangChain 的 RunnableParallel 组织多模型输入输出，而非手写 asyncio.gather —— 后者无法统一管理 prompt 模板与历史消息注入逻辑。
定义三个子链：
方法一：OpenAI 路径 → ChatOpenAI(model="gpt-4-turbo", temperature=0.3) + PromptTemplate.from_template("你作为技术架构师，请用中文回答：{input}")；
方法二：Claude 路径 → ChatAnthropic(model="claude-3-haiku-20240307", max_tokens=1024) + 相同 PromptTemplate；
方法三：Orion 本地路径 → HuggingFacePipeline.from_model_id("Orion-14B-Chat-RAG", task="text-generation", pipeline_kwargs={"max_new_tokens": 512})，注意必须传入 pipeline_kwargs，否则默认只生成 20 token 导致回复截断。
注入多轮对话状态
第一步：将原始用户输入与最近 3 轮对话历史拼接为结构化消息列表，格式为 [{"role": "user", "content": "..."}, {"role": "assistant", "content": "..."}]；
第二步：对每条消息做角色映射适配 —— OpenAI 和 Claude 原生支持 role 字段，Orion 需预处理为 "{content}" 格式，否则模型无法识别对话轮次；
第三步：将适配后的消息列表分别喂入三个 Runnable 子链，触发并行推理；
第四步：收集返回结果，用 RunnablePassthrough.assign(final_answer=lambda x: [x["openai"], x["claude"], x["orion"]]) 封装成字典结构，保留各模型原始输出粒度，不强制合并。
处理参数冲突与超时熔断
不同模型对 temperature、max_tokens、stop 等参数语义不一致：GPT 系列 stop 是字符串列表，Claude stop 是单个字符串，Orion 不支持 stop 参数。必须在子链内部做参数归一化封装，不可直接透传。
设置统一超时：用 asyncio.wait_for(..., timeout=45.0) 包裹整个 RunnableParallel.invoke() 调用 —— 【超时值必须小于最慢模型平均响应时间的 1.5 倍，否则熔断失效】。
当任一模型报错（如 429、CUDA out of memory），其余模型结果仍有效，自动跳过错误项并记录日志，不中断整体流程。
