一种经典设计模式——工厂模式（Factory Pattern），而且是偏“抽象工厂”的写法。

本文探讨了工厂模式在模型初始化中的应用价值。通过抽象工厂模式（BaseModelFactory）和具体实现（ChatModelFactory/EmbeddingsFactory），系统能够集中管理不同模型（如ChatTongyi、DashScopeEmbeddings）的复杂初始化逻辑。相比单纯使用配置文件，工厂模式具有三大优势：1）统一创建接口避免if/else分散；2）通过抽象类强制规范实现；3）支持未来扩展多态性。其核心价值在于将对象创建的复杂性隔离，使系统只需调用factory.generator()即可获得所需模型，无需关心具体实现细节，从而显著提升代码的可维护性和扩展性。

为什么需要去构建出一个工厂模式（Factory Pattern）呢？

例如：

from abc import ABC, abstractmethod
from typing import Optional
from langchain_core.embeddings import Embeddings
from langchain_community.chat_models.tongyi import BaseChatModel
from langchain_community.embeddings import DashScopeEmbeddings
from langchain_community.chat_models.tongyi import ChatTongyi
from utils.config_handler import rag_conf


class BaseModelFactory(ABC):
    @abstractmethod
    def generator(self) -> Optional[Embeddings | BaseChatModel]:
        pass
class ChatModelFactory(BaseModelFactory):
    def generator(self) -> Optional[Embeddings | BaseChatModel]:
        return ChatTongyi(model=rag_conf["chat_model_name"])

class EmbeddingsFactory(BaseModelFactory):
    def generator(self) -> Optional[Embeddings | BaseChatModel]:
        return DashScopeEmbeddings(model=rag_conf["embedding_model_name"])


chat_model = ChatModelFactory().generator()
embed_model = EmbeddingsFactory().generator()

减少多处修改的配置文件能做什么？？和工厂模式有什么区别？

{
"chat_model": "tongyi",
"embedding_model": "dashscope"
}

👉 它只能告诉你：

📝 “我要用哪个模型”

但问题是：

❗不同模型的初始化方式完全不一样

---

❗举个真实差异（核心点）

ChatTongyi(
model="qwen-max",
api_key="xxx"
)

---

2️⃣ OpenAI

ChatOpenAI(
model="gpt-4",
temperature=0.7
)

❌ 参数不同
❌ 类名不同
❌ 初始化方式不同
❌ 依赖环境不同

---

🚨 二、如果你只用“配置文件”会发生什么？

你最终还是要写：

if config["chat_model"] == "tongyi":
model = ChatTongyi(...)
elif config["chat_model"] == "openai":
model = ChatOpenAI(...)

👉 这段代码必须存在，而且会：

• 出现在多个地方 ❌
• 越写越多 ❌
• 难维护 ❌

---

 三、工厂模式真正解决的问题

核心一句话

把所有“if/else 创建逻辑”集中到一个地方

---

用工厂之后

chat_model = ChatModelFactory().generator()

👉 外部代码：

❌ 不关心模型类型
❌ 不关心初始化细节
❌ 不写 if/else

---

✔ 工厂内部才处理复杂逻辑

class ChatModelFactory:
def generator(self):
if config["chat_model"] == "tongyi":
return ChatTongyi(...)
elif config["chat_model"] == "openai":
return ChatOpenAI(...)

---

 四、为什么还要加 BaseModelFactory（抽象类）？

你问的重点在这

class BaseModelFactory(ABC):
@abstractmethod
def generator(self):
pass

---

作用 1：强制规范（很关键）

 它规定：

所有工厂必须实现 generator()

否则直接报错

---

✔ 有抽象类后

factory.generator()

👉 所有工厂统一接口：

---

作用 2：支持“多态”（高级但重要）

你可以这样写：

def init_model(factory: BaseModelFactory):
return factory.generator()

👉 不管传入：

• ChatModelFactory
• EmbeddingsFactory

👉 都能用

---

作用 3：为扩展做准备（你现在可能还没感觉到）

未来你可能会有：

class OpenAIModelFactory
class TongyiModelFactory
class LocalModelFactory
class MultiModalFactory

👉 有统一基类之后：

• 可以注册
• 可以动态加载
• 可以插件化

---

🔥 五、配置 vs 工厂（终极对比）

能力	配置文件	工厂模式
指定模型	✅	✅
控制初始化逻辑	❌	✅
统一创建入口	❌	✅
避免 if/else 分散	❌	✅
可扩展（新模型）	⚠️	✅
支持复杂逻辑	❌	✅

---

最后总结（最重要一句）

👉 工厂模式的意义不是“少改代码”，而是：
把“对象创建的复杂性”彻底隔离出去，让系统具备可扩展性