逐步掌握最佳Ai Agents框架-AutoGen 五 与LangChain手拉手

前言

之前的文章，我们将AutoGen的核心概念AssistantAgent、UserProxyAgent和GroupChatManager都学习了一遍，为AutoGen非常前卫的多代理模式感到震撼！这玩意真能通过chat，组合一堆agents完成复杂任务吗？笔者目前也不确定，就让我们一起慢慢来探索AutoGen这个AI小镇吧。

相比于AutoGen的前卫，LangChain已经有很多朋友将其应用到大型项目中，不怎么存在不确定问题，而且也拥有agent特性。今天的例子，我们将结合AutoGen和LangChain一起来开发一款AI助理程序。看看新旧两派AI应用是如何协作，来各司其职的。

如果您比较喜欢我的文章，欢迎赏个点赞，关注。闭关一年为AI,各位，一起加油。

LangChain

在之前的文章中，多次提到了LangChain。如果您还不了解LangChain,建议您先去看看相关资料。我个人比较推荐吴恩达的《LLM应用程序开发的LangChain》，为避广告之嫌疑，链接我就不给了。

ChromaDB

在项目中，还会用到向量数据库ChromaDB。今天的项目，是经典的LLM专家知识库开发。我们在和知识库chat的时候，会将知识库中的资料和我们的问题都embedding，再计算出他们的相似性，从而为用户基于专业知识库回答问题。ChromaDB相比于以前我们熟悉的MYSQL或NoSQL存的是数据本身，它存储的是embedding, 是专门的embedding查询数据库。

知识库

我们使用的知识库是Uniswap Protocol，即Uniswap的白皮书。作为私有知识库的样本数据，构建一个AI代理。

构建AI助理

今天我们的应用场景，是基于uniswap 的白皮书来构建AI助理。帮助用户完成与uniswap协议知识相关的任务，即专家系统。既然我们使用AutoGen和LangChain一起协同来开发，他们又都是AI开发框架，那么各自负责什么任务呢？

• 各自优势

AutoGen善于对多代理进行调度协同工作，帮助用户完成提出的问题或执行任务;LangChain具有很强的连接外部数据和外部组件的能力。在今天的uniswap专家知识库AI助理系统打造中，正好利用各自的优势，来打造这一功能。如果您对连接外部数据库或embedding不太清楚， 建议先去看看LangChain。

• 安装依赖,使用colab。

python

复制代码%pip install pyautogen~=0.1.0 docker langchain openai tiktoken chromadb pypdf -q -U

其中，tiktoken是一个由 OpenAI 开发的 Python 库，它可以用来计算一个文本字符串在 GPT-3 模型中会使用多少 tokens。chromadb是向量数据库，用于存储文章索引，便于多次查询。 PyPDF2 是一个 Python 库，用于处理 PDF 文件。

• 拉取uniswap白皮书

python

复制代码!wget -O uniswap_v3.pdf https://uniswap.org/whitepaper-v3.pdf

使用wget 命令行拉取远程uniswap白皮书文件保存到当前目录下，并命名为uniswap_v3.pdf(如下图)

• 配置autogen config

python复制代码    import autogen # 大家可以使用gpt-4 或其它，我这里用的是3.5, 还能用。 
    config_list = [ {
    'model': 'gpt-3.5-turbo', 'api_key': '' }] 
    llm_config={
    
        "seed": 42, #为缓存做的配置 
        "config_list": config_list 
    }

• 设置openai api-key

lua复制代码import os
os.environ['OPENAI_API_KEY'] = ''

• 引入LangChain 加载文件，并存储embedding索引到chromadb向量数据库

python复制代码# 从langchain的向量存储中导入Chroma, 可以和Chromadb 交互
from langchain.vectorstores import Chroma 
# 引入langchain封装的OpenAIEmbeddings  
from langchain.embeddings import OpenAIEmbeddings
# langchain读取文件后，做索引前，需要分割文本，然后embedding
from langchain