LangChain简明教程(4)

CS创新实验室

已于 2025-04-21 08:58:45 修改

阅读量741

点赞数 26

分类专栏： AIGC LangChain简明教程文章标签： langchain aigc agent 智能体 LLM

于 2025-04-21 08:44:04 首次发布

本文链接：https://blog.csdn.net/qiwsir/article/details/147380399

版权

AIGC 同时被 2 个专栏收录

24 篇文章

订阅专栏

LangChain简明教程

12 篇文章

订阅专栏

LangChain 引入了一个强大的概念，称为 Agent，当前的很多媒体将其翻译为“智能体”，从汉语的译名来看，它会让人觉得很“智能”。不过，为了避免因“望文生义”而产生误解，本文不对这个单词进行翻译，读者可以按照某种专有名词来对待。

从纯粹技术角度描述，Agent 即是对链式（chains）概念的提升，利用语言模型动态地决定要执行的动作序列，使它们变得极其灵活和适应性强。与传统链条中动作是硬编码在代码中的不同，Agent 使用语言模型作为推理引擎，来决定采取哪些动作以及以什么顺序执行。

Agent 是负责决策的核心组件，它利用语言模型和提示词（prompt）的力量来确定实现特定目标的下一步行动。Agent 的输入通常包括以下内容：

工具：可用工具的描述（稍后会详细介绍）。
用户输入：用户的高层次目标或查询。
中间步骤：为达到当前用户输入而执行的（动作，工具输出）对的历史记录。

Agent 的输出可以是下一步要执行的动作（AgentActions），也可以是发送给用户的最终响应（AgentFinish）。一个动作指定了一种工具以及该工具的输入。

工具

工具是 Agent 用来与外界交互的接口，使 Agent 能够执行各种任务，例如搜索网络、运行 shell 命令或访问外部 API。在 LangChain 中，工具对于扩展 Agent 的能力并使其能够完成多样化任务至关重要。

要在 LangChain 中使用工具，可以通过以下代码片段加载它们：

from langchain.agents import load_tools

tool_names = [...]
tools = load_tools(tool_names)

某些工具可能需要一个基础的语言模型（LLM）来初始化。在这种情况下，也可以传一个 LLM：

from langchain.agents import load_tools

tool_names = [...]
llm = ...
tools = load_tools(tool_names, llm=llm)

这种设置允许访问各种工具并将它们集成到你的 Agent 工作流中。LangChain 所提供的完整工具列表及其使用文档已经列在了官方文档中，点击这里查看。

让我们来看一些工具的使用举例。

DuckDuckGo

利用 DuckDuckGo 工具可以实现网络搜索（使用 DuckDuckGo 的搜索引擎），使用方法如下：

from langchain.tools import DuckDuckGoSearchRun
search = DuckDuckGoSearchRun()
search.run("manchester united vs luton town match summary")

输出：

在这里插入图片描述

DataForSeo

DataForSeo 工具包允许通过 DataForSeo API 获取搜索引擎结果。要使用此工具包，需要设置你自己的 API 凭证（关于 API 的注册，可以参考 DataForSeo 官方文档）。以下是配置凭证的方法：

import os

os.environ["DATAFORSEO_LOGIN"] = "<your_api_access_username>"
os.environ["DATAFORSEO_PASSWORD"] = "<your_api_access_password>"

一旦配置好上述内容，即可通过 API 创建 DataForSeoAPIWrapper 工具：

from langchain.utilities.dataforseo_api_search import DataForSeoAPIWrapper

wrapper = DataForSeoAPIWrapper()

result = wrapper.run("Weather in Los Angeles")

DataForSeoAPIWrapper 工具从各种来源检索搜索引擎结果。

如果返回内容要求是 JSON 格式，可以自定义返回结果类型和字段。例如，可以指定结果类型、字段，并设置返回最上层的最大数量：

json_wrapper = DataForSeoAPIWrapper(
    json_result_types=["organic", "knowledge_graph", "answer_box"],
    json_result_fields=["type", "title", "description", "text"],
    top_count=3,
)

json_result = json_wrapper.results("Bill Gates")

此示例通过指定结果类型、字段并限制结果数量来定制 JSON 响应。

还可以通过向 API 包装器传递额外的参数，来指定搜索结果的位置和语言：

customized_wrapper = DataForSeoAPIWrapper(
    top_count=10,
    json_result_types=["organic", "local_pack"],
    json_result_fields=["title", "description", "type"],
    params={"location_name": "Germany", "language_code": "en"},
)

customized_result = customized_wrapper.results("coffee near me")

通过提供位置和语言参数，可以将搜索结果定制为特定的地区和语言。

还可以灵活选择想要使用的搜索引擎。只需指定目标搜索引擎即可：

customized_wrapper = DataForSeoAPIWrapper(
    top_count=10,
    json_result_types=["organic", "local_pack"],
    json_result_fields=["title", "description", "type"],
    params={"location_name": "Germany", "language_code": "en", "se_name": "bing"},
)

customized_result = customized_wrapper.results("coffee near me")

在此示例中，搜索被定制为使用 Bing 作为搜索引擎。

API 包装器还允许指定要执行的搜索类型。例如，可以执行地图搜索：

maps_search = DataForSeoAPIWrapper(
    top_count=10,
    json_result_fields=["title", "value", "address", "rating", "type"],
    params={
        "location_coordinate": "52.512,13.36,12z",
        "language_code": "en",
        "se_type": "maps",
    },
)

maps_search_result = maps_search.results("coffee near me")

这将搜索定制为获取与地图相关的信息。

Shell (bash)

Shell 工具包为 agents 提供了对 shell 环境的访问权限，使它们能够执行 shell 命令。此功能非常强大，但应谨慎使用，尤其是在沙盒环境中。以下是使用 Shell 工具的方法：

from langchain.tools import ShellTool

shell_tool = ShellTool()

result = shell_tool.run({"commands": ["echo 'Hello World!'", "time"]})

在这个例子中，shell 工具要求执行两条指令，效果如下：

在这里插入图片描述

你可以将 Shell 工具提供给 agent，以执行更复杂的任务。以下是一个 agent 使用 Shell 工具从网页中获取链接的示例：

from langchain.agents import AgentType, initialize_agent
from langchain.chat_models import ChatOpenAI

llm = ChatOpenAI(temperature=0.1)

shell_tool.description = shell_tool.description + f"args {shell_tool.args}".replace(
    "{", "{{"
).replace("}", "}}")
self_ask_with_search = initialize_agent(
    [shell_tool], llm, agent=AgentType.CHAT_ZERO_SHOT_REACT_DESCRIPTION, verbose=True
)
self_ask_with_search.run(
    "Download the langchain.com webpage and grep for all urls. Return only a sorted list of them. Be sure to use double quotes."
)