GPT实战系列-LangChain构建自定义Agent

最新推荐文章于 2025-04-15 15:45:00 发布
最新推荐文章于 2025-04-15 15:45:00 发布
阅读量2k 收藏 18
点赞数 22
分类专栏： GPT实战系列 文章标签： gpt langchain Agent tools
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/Alex_StarSky/article/details/136689599
版权

GPT实战系列-LangChain构建自定义Agent

LangChain

GPT实战系列-LangChain如何构建基通义千问的多工具链

GPT实战系列-构建多参数的自定义LangChain工具

GPT实战系列-通过Basetool构建自定义LangChain工具方法

GPT实战系列-一种构建LangChain自定义Tool工具的简单方法

GPT实战系列-搭建LangChain流程简单应用

GPT实战系列-简单聊聊LangChain搭建本地知识库准备

GPT实战系列-LangChain + ChatGLM3构建天气查询助手

GPT实战系列-大模型为我所用之借用ChatGLM3构建查询助手

GPT实战系列-简单聊聊LangChain

大模型查询工具助手之股票免费查询接口

随着OpenAI的GPT-4这样的大型语言模型（LLMs）已经风靡全球，现在让它们自动执行各种任务，如回答问题、翻译语言、分析文本等。LLMs是在交互上真正体验到像“人工智能”。

如何管理这些模块呢？

LangChain在这方面发挥重要作用。LangChain使构建由LLMs驱动的应用程序变得简单，使用LangChain，可以在统一的界面中轻松与不同类型的LLMs进行交互，管理模型版本，管理对话版本，并将LLMs连接在一起。

在这里插入图片描述

定义Tools

同前篇所示，实现一个自定义工具 Tools，首先需要做一些配置初始化的工作，导入langchain相关的包。

from langchain.agents import tool

@tool
def get_word_length
最低0.47元/天 解锁文章
【LangChain编程：从入门到实践】自定义代理工具
AI天才研究院
06-25 1189
【LangChain编程：从入门到实践】自定义代理工具 1.背景介绍 在现代人工智能和自然语言处理领域，LangChain作为一种强大的编程框架，正在迅速崛起。LangChain的核心理念是通过链式调用的方式，将多个语言模型和工具组合在一起，以实现复杂的任务。然而，尽管
GPT实战系列-如何让LangChain的Agent选择工具
Alex_StarSky的博客
03-14 1989
LangChain使构建由LLMs驱动的应用程序变得简单，使用LangChain，可以在统一的界面中轻松与不同类型的LLMs进行交互，管理模型版本，管理对话版本，并将LLMs连接在一起。
第27篇：深入剖析：LangChain的自定义Agent实践
Gemini的博客
06-30 2036
我们首先定义三个自定义Tool，分别用于搜索、数学计算和获取当前日期。通过这篇博客，我们详细介绍了如何使用LangChain库创建自定义Agent，集成搜索、数学计算和获取当前日期的功能。定义自定义Tool：创建用于搜索、数学计算和获取当前日期的工具。创建Plan and Execute Agent：将工具集成到Agent中，并实现任务的自动执行。集成功能：分别实现搜索、数学计算和获取当前日期功能的Agent应用。测试Agent：通过不同的提示语测试Agent的综合能力。
langChain之实现Agent的几种方式
sinat_35153174的博客
04-15 1085
作为LangChain的核心控制中枢，AgentExecutor通过「推理-执行-反馈」循环机制，实现了LLM从简单问答到复杂任务处理的能力跃迁。其本质是一个状态机，通过维护执行上下文（Execution Context）协调智能体与工具的交互。通过组合LangChain的LLMChain和ToolChain实现基础智能体，适用于简单任务场景。开发者需要手动管理工具调用逻辑和状态传递。面向多轮对话优化的结构化代理，通过维护会话上下文和实体记忆，实现自然流畅的复杂交互。特别适合需要持续状态管理的场景。
LangChain-Agent自定义Tools类 ——基础篇（一）
To be a better man
06-27 5767
【代码】LangChain-Agent自定义Tools类 ——基础篇（一）
LLM大语言模型（十）：LangChain自定义Agent使用自定义的LLM
hugo_lei的博客
04-07 2853
独立部署ChatGLM3-6B并提供HTTP API能力。自定义LLM封装对ChatGLM3-6B的访问。创建一个简单的Agent来使用自定义的LLM。
LangChain（6）构建用户自己的Agent
weixin_40994552的博客
07-15 3438
LangChain 中有一些可用的Agent内置工具，但在实际应用中我们可能需要编写自己的Agent。
GPT实战系列-构建多参数的自定义LangChain工具
Alex_StarSky的博客
03-08 2181
LangChain是一个Python框架，可以使用LLMs构建应用程序。它与各种模块连接，使与LLM和提示管理，一切变得简单。
GPT实战系列-LangChain的Tools函数转换器
Alex_StarSky的博客
03-20 1538
LangChain是一个Python框架，可以使用LLMs构建应用程序。它与各种模块连接，使与LLM和提示管理，一切变得简单。
GPT实战系列-通过Basetool构建自定义LangChain工具方法
Alex_StarSky的博客
03-08 2119
LangChain使构建由LLMs驱动的应用程序变得简单，使用LangChain，可以在统一的界面中轻松与不同类型的LLMs进行交互，管理模型版本，管理对话版本，并将LLMs连接在一起。
大模型从入门到应用——LangChain：代理（Agents）-[工具（Tools）：自定义工具（Custom Tools）]
冯·诺依曼
09-10 3796
如果我们的函数需要更结构化的参数，我们可以直接使用类，或者仍然继承BaseTool类。当我们创建自定义工具时，我们可能希望Agent更多地使用自定义工具而不是普通工具。例如，我们创建了一个自定义工具，用于从数据库中获取有关音乐的信息。当用户需要有关歌曲的信息时，我们希望Agent更多地使用自定义工具而不是普通的搜索工具。但是Agent可能会优先考虑普通的搜索工具。为了实现这一目标，可以在描述中添加类似于如果问题是关于音乐的，例如“昨天的歌手是谁？”或“2022年最受欢迎的歌曲是什么？tools = [
如何使用LangChain自定义agent的制作（1） - 自定义一个可以执行 SQL 查询的 Agent
一起来研究langchain和langchain-chatchat
06-21 2020
之前我们一块学习了如何使用LangChain库使用大模型与SQL数据库进行交互文章末尾说了要写一个自定义的 agent 把我们的代码包进去，今天我们一块来尝试写一个自定义agent# 创建数据库会话# 定义执行SQL查询的工具函数try:# 定义LangChain的工具# 初始化LangChain的LLM# 创建自定义Agentllm=llm,
大模型从入门到应用——LangChain：代理（Agents）-[自定义MRKL代理]
热门推荐
冯·诺依曼
07-17 1万+
本部分将介绍如何基于聊天模型创建自己的自定义代理。PromptTemplate：这是用于指示语言模型该做什么的提示模板ChatModel：这是驱动代理的语言模型Stop序列：指示LLM在找到此字符串时停止生成OutputParser：确定如何将LLM输出解析为或对象。LLMAgent用于代理执行器。将用户输入和任何先前的步骤传递给代理（在这种情况下是LLMAgent）如果代理返回，则将其直接返回给用户本部分将介绍如何创建自己的自定义MRKL Agent。工具：代理可用的工具。
LangChain-26 Custom Agent 自定义一个Agent并通过@tool绑定对应的工具 同时让大模型自己调用编写的@tools函数
永远好奇，无限进步！
04-15 7557
Custom Agent 自定义一个Agent并通过@tool绑定对应的工具 同时让大模型自己调用编写的@tools函数
LangChain入门(八)-自定义agent中所使用的工具
Good Luck
05-05 3496
比如 Calculator 在描述里面写到，如果你问关于数学的问题就用他这个工具。我们就可以在上面的执行过程中看到，他在我们请求的 prompt 中数学的部分，就选用了Calculator 这个工具进行计算。自定义工具里面有个比较有意思的地方，使用哪个工具的权重是靠。来实现的，和我们之前编程靠数值来控制权重完全不同。
从 0 到 1 掌握 LangChain Agents：自定义工具 + LLM 打造智能工作流！
吴师兄大模型的博客
02-04 5285
本文将探讨如何利用 LangChain 框架中的 `Agents（代理）` 功能，构建能够自动调用外部工具和资源的智能体。特别地，我们将重点介绍如何使用 LangChain 提供的内建工具，如 DuckDuckGo 搜索和 Wikipedia 进行动态信息查询，同时讲解如何定义和集成自定义工具，扩展智能体的功能以适应更加复杂的任务。
langchain学习之agent
zc1226的博客
07-02 1148
LangChain 的代理（Agents）是一个强大的工具，可以将语言模型与外部工具结合起来，以便在处理复杂任务时提供更丰富的功能。#自定义from langchain.agents import tool #可以应用任何函数，将其转换成langchain使用的工具#代理也能把''信息看懂来识别这个函数干嘛的@tool'不用输入数据，返回当天日期'model,handle_parsing_errors=True, #遇见了错误，传回model进行处理。
大模型从入门到应用——LangChain：代理（Agents）-[自定义代理（Custom Agent）]
冯·诺依曼
07-16 1万+
本节介绍的是使用检索来选择要用于回答代理查询的工具集。当你有很多工具可供选择时，带工具检索的自定义代理将非常有用。你不能在提示中放置所有工具的描述（由于上下文长度问题），因此你动态选择你想要在运行时考虑使用的多个工具。在下面的例子中，我们将一个合适的工具（搜索），和99个假工具。然后，我们将在提示模板中添加一个步骤，该步骤接受用户输入并检索与查询相关的工具。
大模型从入门到应用——LangChain：代理（Agents）-[带有ChatModel的LLM聊天自定义代理和自定义多操作代理（Custom MultiAction Agent）]
冯·诺依曼
07-17 1万+
本部分将介绍如何基于聊天模型创建自己的自定义代理。PromptTemplate：这是用于指示语言模型该做什么的提示模板ChatModel：这是驱动代理的语言模型Stop序列：指示LLM在找到此字符串时停止生成OutputParser：确定如何将LLM输出解析为或对象。LLMAgent用于代理执行器。将用户输入和任何先前的步骤传递给代理（在这种情况下是LLMAgent）如果代理返回，则将其直接返回给用户本教程介绍如何创建您自己的自定义代理。工具：代理可以使用的工具。
langchain爬虫
最新发布
06-12
Langchain是一个用于构建和使用大型语言模型（如ChatGPT）的框架。用户引用了三个来源：[^1]、[^2]和[^3]，但系统指出这些仅供参考，用户真正的需求是了解Langchain爬虫的相关操作。从用户消息中：-引用[1]:...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Alex_StarSky

你的鼓励是创作的动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值