106 lines
3.8 KiB
Python
106 lines
3.8 KiB
Python
|
from langchain_openai import ChatOpenAI
|
|||
|
|
from langchain_core.tools import tool
|
|||
|
|
from langchain_core.prompts import ChatPromptTemplate
|
|||
|
|
from langchain.agents import AgentExecutor, create_react_agent
|
|||
|
|
from conf import settings
|
|||
|
|
|
|||
|
|
# 创建模型
|
|||
|
|
llm = ChatOpenAI(
|
|||
|
|
base_url=settings.base_url,
|
|||
|
|
api_key=settings.api_key,
|
|||
|
|
model=settings.model_name,
|
|||
|
|
temperature=0.1
|
|||
|
|
)
|
|||
|
|
|
|||
|
|
# 2.定义工具
|
|||
|
|
# 关键修改：重写 multiply 工具，使其只接受一个字符串参数，并在内部解析。
|
|||
|
|
@tool
|
|||
|
|
def multiply(numbers_str: str) -> int:
|
|||
|
|
"""用于计算两个整数的乘积。
|
|||
|
|
|
|||
|
|
参数:
|
|||
|
|
numbers_str (str): 包含两个整数的字符串，用逗号分隔，例如："100,25"。
|
|||
|
|
返回:
|
|||
|
|
int: 两个整数的乘积。
|
|||
|
|
"""
|
|||
|
|
print(f"正在执行乘法: {numbers_str}")
|
|||
|
|
try:
|
|||
|
|
a_str, b_str = numbers_str.split(',')
|
|||
|
|
a = int(a_str.strip())
|
|||
|
|
b = int(b_str.strip())
|
|||
|
|
return a * b
|
|||
|
|
except ValueError:
|
|||
|
|
return "输入的格式不正确，请确保是两个用逗号分隔的整数，例如：'100,25'"
|
|||
|
|
|
|||
|
|
@tool
|
|||
|
|
def search_weather(city: str) -> str:
|
|||
|
|
"""用于查询指定城市的实时天气。"""
|
|||
|
|
print(f"正在查询天气: {city}")
|
|||
|
|
if "北京" in city:
|
|||
|
|
return "北京今天是晴天，气温25摄氏度。"
|
|||
|
|
elif "上海" in city:
|
|||
|
|
return "上海今天是阴天，有小雨，气温22摄氏度。"
|
|||
|
|
else:
|
|||
|
|
return f"抱歉，我没有'{city}'的天气信息。"
|
|||
|
|
|
|||
|
|
# 将工具列表放入一个变量
|
|||
|
|
tools = [multiply, search_weather]
|
|||
|
|
|
|||
|
|
# 3.自定义 ReAct 风格的 Prompt
|
|||
|
|
react_prompt_template = """你是一个有用的 AI 助手，可以访问以下工具：
|
|||
|
|
|
|||
|
|
{tools}
|
|||
|
|
|
|||
|
|
请根据用户输入一步步推理，并按以下规则操作：
|
|||
|
|
1. 每次输出只能包含一个动作（Action 和 Action Input）或一个最终答案（Final Answer）。
|
|||
|
|
2. 如果用户输入包含多个任务，依次处理每个任务，不要一次性输出所有步骤。
|
|||
|
|
3. 每次行动前，说明你的思考（Thought），并选择合适的工具或直接给出最终答案。
|
|||
|
|
4. 如果需要使用工具，格式必须为：
|
|||
|
|
Thought: [你的思考]
|
|||
|
|
Action: [工具名称]
|
|||
|
|
Action Input: [工具的输入参数，例如对于multiply工具，使用'100,25'格式]
|
|||
|
|
5. 如果可以直接回答或所有任务都完成，格式为：
|
|||
|
|
Thought: [你的思考]
|
|||
|
|
Final Answer: [最终答案]
|
|||
|
|
|
|||
|
|
可用的工具名称有: {tool_names}
|
|||
|
|
|
|||
|
|
用户输入: {input}
|
|||
|
|
{agent_scratchpad}
|
|||
|
|
"""
|
|||
|
|
|
|||
|
|
react_prompt = ChatPromptTemplate.from_template(react_prompt_template)
|
|||
|
|
|
|||
|
|
# 4.创建 ReAct 风格的 Agent
|
|||
|
|
react_agent = create_react_agent(llm, tools, react_prompt)
|
|||
|
|
|
|||
|
|
# 5.创建 Agent Executor
|
|||
|
|
react_executor = AgentExecutor(
|
|||
|
|
agent=react_agent,
|
|||
|
|
tools=tools,
|
|||
|
|
verbose=True,
|
|||
|
|
handle_parsing_errors=True # 启用错误处理，自动重试解析错误
|
|||
|
|
)
|
|||
|
|
|
|||
|
|
# 6: 运行并测试 Agent
|
|||
|
|
if __name__ == "__main__":
|
|||
|
|
# 测试用例1: 查询天气
|
|||
|
|
print("--- 运行Agent，查询: 上海今天的天气怎么样？ ---")
|
|||
|
|
response_weather = react_executor.invoke({"input": "上海今天的天气怎么样？"})
|
|||
|
|
print(f"\n--- Agent响应: ---")
|
|||
|
|
print(response_weather.get("output", "没有找到输出。"))
|
|||
|
|
print("-" * 30 + "\n")
|
|||
|
|
|
|||
|
|
# 测试用例2: 数学计算
|
|||
|
|
print("--- 运行Agent，查询: 100乘以25等于多少？ ---")
|
|||
|
|
response_math = react_executor.invoke({"input": "100乘以25等于多少？"})
|
|||
|
|
print(f"\n--- Agent响应: ---")
|
|||
|
|
print(response_math.get("output", "没有找到输出。"))
|
|||
|
|
print("-" * 30 + "\n")
|
|||
|
|
|
|||
|
|
# 测试用例3: 包含多个任务
|
|||
|
|
print("--- 运行Agent，查询: 100乘以25等于多少？ 上海的天气如何？ ---")
|
|||
|
|
response_multi = react_executor.invoke({"input": "100乘以25等于多少？ 上海的天气如何？"})
|
|||
|
|
print(f"\n--- Agent响应: ---")
|
|||
|
|
print(response_multi.get("output", "没有找到输出。"))
|
|||
|
|
print("-" * 30 + "\n")
|