前言
如果一个ReAct框架的程序大概长这样（如下图架构），那么LLM Reasoner这个类通常有两件最重要的事情要做
- 初始化大模型，简称init()
- 调用大模型进行推理，简称reason()
如何设计LLM Reasoner这个类，使他可以更方便的支持多个大模型（比如deepseek，Gemini，OpenAI等）
方式一、简单工厂模式
把不同大模型init和reason的代码，硬编码到上图LLMReasoner类的init方法和reason方法中，就像这样。
这种方案，架构相对简单，但是会导致init和reason这俩方法中，充斥着if else语句块。要新增对其它大模型的支持，需要修改不同的地方。
方式二、工厂类工厂模式
- 引入基类LLMProvider
- 每当要支持新的大模型时，比如deepseek，就新增一个子类DeepseekProvider，把deepseek的初始化和推理逻辑封装在_initialize_client()和generate_response(system_prompt,user_prompt,screenshot_data)中
- 这样一来，LLMReasoner的init和reason方法中，就不再硬编码各个大模型的初始化和推理逻辑，仅调用基类LLMProvider的_initialize_client和generate_response即可。
方法二比方法一更符合开闭原则
开闭原则(The Open/Closed Principle, OCP) 规定，“软件中的对象（类，模块，函数等等）应该对于扩展是开放的，但是对于修改是封闭的”。在方法二中，新增对deepseek的支持，只需要新增一个子类（扩展），不再需要修改LLMReasoner的init方法和reason方法。这样更符合开闭原则，对原有逻辑的改变更少，为了新增一个逻辑，把原有逻辑改坏的概率也更小。
大模型初始化中的工厂模式