自学Agent基于Langchain（持续更新）

一、Streamlit

1.文本

with st.spinner("文本"):
     #这里没有执行完成，就一直显示文本
st.success("运行完成显示文本")

st.header("text")

st.info("文本")

st.markdown("[获取OpenAI API Key](https://beta.openai.com/account/api-keys)") #超链接

st.text_input("提示"，type="password")

2.侧边栏

with st.sidebar:
    xxx

3.提交按钮

submit = st.button("按钮")

4.分割线

st.divider()

5.页面布局

#左右两列
left,right = st.columns(2)
with left:
    st.markdown("####")

6.折叠组件

with st.expander("历史消息")：
    for i in range(0,len(st.session_state["chat_history"]),2):#每次两个对话，human and ai
         human_message = st.session_state["chat_history)"][i]
         ai_message = st.session_state["chat_history"][i+1]
         st.write(human_message.content)
         st.write(ai_message.content)
         if i<len(st.session_state["chat_history"])-2:
             st.divider() #分割线

二、有记忆的AI

历史消息列表,手动

from langchain.memory import ConversationBufferMemory

memory = ConversationBufferMemory(return_messages=True)#True返回消息就是List，否则为Str

memory.save_context({"input":"用户输入"},{"output":"AI输出"})
memory.load_memory_variables({})

from langchain.prompts import MessagesPlaceholder

pormpt = ChatPromptTemplate.from_messages(
[ 
("system","你是一个乐于助人的AI大模型")，
MessagesPlaceholder(variable_name="history"),
("human","{user_input}"),

]
)

现成可用

memory = ConversationBufferMemory(return_messages=True)

chain = Conver