构建基于Passio NutritionAI的智能营养查询代理

最新推荐文章于 2025-05-14 18:17:27 发布

qahaj

最新推荐文章于 2025-05-14 18:17:27 发布

阅读量286

点赞数 3

文章标签：人工智能大数据 python

本文链接：https://blog.csdn.net/qahaj/article/details/146471286

版权

在本文中，我们将探索如何使用Passio NutritionAI构建一个智能代理，该代理能够获取食物营养信息。我们将分步骤进行，包括工具定义、代理创建及其运行。

技术背景介绍

随着AI技术的发展，自动化和智能化的营养信息查询成为可能。Passio NutritionAI提供了一个API，可以方便地获取食物的营养信息。在我们实际的应用中，可以将其集成到更复杂的系统中，如健康监控平台、饮食推荐应用等。

核心原理解析

我们将使用LangChain提供的内置工具，结合OpenAI的LLM（大语言模型），构建一个可以自动查询营养信息的代理。LangChain会帮我们管理工具集与代理的执行过程。

代码实现演示

下面是代码实现的详细步骤：

1. 配置Passio NutritionAI工具

首先，我们需要配置Passio NutritionAI工具。确保已经获取了API密钥，并通过环境变量或其他方式加载到Python环境中。

from dotenv import load_dotenv
from langchain_core.utils import get_from_env
from langchain_community.tools.passio_nutrition_ai import NutritionAI
from langchain_community.utilities.passio_nutrition_ai import NutritionAIAPI

# 加载环境变量
load_dotenv()
# 获取API密钥
nutritionai_subscription_key = get_from_env("nutritionai_subscription_key", "NUTRITIONAI_SUBSCRIPTION_KEY")

# 初始化NutritionAI工具
nutritionai_search = NutritionAI(api_wrapper=NutritionAIAPI())

2. 创建智能代理及其执行器

接下来，我们定义工具列表，并创建智能代理和其执行器。

from langchain_openai import ChatOpenAI
from langchain import hub
from langchain.agents import create_openai_functions_agent, AgentExecutor

# 定义工具列表
tools = [nutritionai_search]

# 选择语言模型
llm = ChatOpenAI(model="gpt-3.5-turbo", temperature=0)

# 获取并设置代理使用的提示模板
prompt = hub.pull("hwchase17/openai-functions-agent")

# 创建代理
agent = create_openai_functions_agent(llm, tools, prompt)

# 创建代理执行器
agent_executor = AgentExecutor(agent=agent, tools=tools, verbose=True)

3. 运行代理

通过以下代码，我们可以运行代理来处理多种查询：

# 执行查询操作
response = agent_executor.invoke({"input": "how many calories are in a slice pepperoni pizza?"})
print(response)

response = agent_executor.invoke(
    {"input": "I had bacon and eggs for breakfast. How many calories is that?"}
)
print(response)

response = agent_executor.invoke(
    {"input": "I had sliced pepper jack cheese for a snack. How much protein did I have?"}
)
print(response)

response = agent_executor.invoke(
    {"input": "I had chicken tikka masala for dinner. how much calories, protein, and fat did I have with default quantity?"}
)
print(response)