基于LangChain的天气查询插件开发与实践

最新推荐文章于 2025-05-24 23:47:20 发布

SanMu三木

最新推荐文章于 2025-05-24 23:47:20 发布

阅读量2.5k

点赞数 9

文章标签： langchain 数据库

本文链接：https://blog.youkuaiyun.com/m0_60322614/article/details/146524582

版权

基于LangChain的天气查询插件开发与实践

一、插件设计背景

在智能对话系统中，天气查询是高频需求。本文将演示如何开发一个支持自然语言解析和异步API调用的天气插件，实现以下功能：

支持城市名称/行政编码双重输入
自动识别用户关注的天气要素
基于高德地图API获取实时天气数据

二、准备工作

1. 环境依赖

pip install langchain langchain-ollama aiohttp python-dotenv

2. 高德API配置

注册高德开放平台获取API Key
创建.env文件：

GAODE_API_KEY=your_api_key_here

三、核心代码实现

1. 天气工具类设计

class WeatherTool(BaseTool):
    name: str = "get_current_weather"
    description: str = (
        "获取指定地点的当前天气信息。"
        "参数应为包含'location'键的字典，"
        "location可以是城市名称或行政编码"
    )
    api_key: str = GAODE_API_KEY
    session: aiohttp.ClientSession = None

关键特性：

异步支持：使用aiohttp实现非阻塞IO
会话复用：通过create()方法共享HTTP会话
错误处理：自定义GeoAPIError异常体系

2. 核心功能模块

（1）地理编码解析

async def _get_city_code(self, location: str) -> str:
    """自动识别城市名称/编码"""
    params = {"key": self.api_key, "address": location}
    async with self.session.get(GEOCODE_URL, params=params) as response:
        data = await response.json()
        return geocodes[0]["adcode"]  # 返回行政编码

（2）天气数据获取

async def _arun(self, location: str) -> str:
    """异步执行主逻辑"""
    city_code = location if location.isdigit() else await self._get_city_code(location)
    params = {"city": city_code, "key": self.api_key}
    async with self.session.get(WEATHER_URL, params=params) as response:
        return self._format_weather_data(await response.json())

（3）数据格式化

@staticmethod
def _format_weather_data(data: Dict) -> str:
    """人性化输出设计"""
    return (
        f"📍地区：{weather.get('province')} {weather.get('city')}\n"
        f"🌤天气：{weather.get('weather')}\n"
        f"🌡温度：{weather.get('temperature')}℃"
    )

3. 智能解析模块

tool_prompt = ChatPromptTemplate.from_messages([
    SystemMessage(content=(
        "请从用户输入中识别："
        "1. 地理位置（支持中文名称/行政编码）"
        "2. 用户关心的天气要素"
        "请用JSON返回{location}"
    )),
    HumanMessage(content=message)
])

四、插件集成与测试

1. 完整调用链

async def get_weather_info(message: str) -> List[ToolMessage]:
    weather_tool = await WeatherTool.create()
    try:
        tool_llm = ChatOllama(  # 使用本地部署的Qwen模型
            model="qwen2.5:32b",
            base_url="http://192.168.1.237:11434"
        ).bind_tools([weather_tool])
        
        chain = tool_prompt | tool_llm  # 组合提示模板和模型
        response = await chain.ainvoke({"input": message})
        
        # 处理工具调用结果
        return [await _handle_tool_call(call, weather_tool) for call in response.tool_calls]
    finally:
        await weather_tool.close()

2. 测试用例与结果

测试输入	处理逻辑	输出示例
“北京海淀区天气怎么样？”	解析为城市名称	🌡温度：18℃ 🌤天气：多云
“110101的天气”	直接使用行政编码	📍地区：北京市东城区
“上海浦东风力”	提取关注要素	💨风力：3级

五、扩展与优化建议

1. 功能增强方向

# 建议扩展点示例
def _format_weather_data(data: Dict) -> str:
    # 添加空气质量数据
    if (forecasts := data.get("forecasts")):
        return f"🌬空气质量：{forecasts[0]['aqi']}"
    
    # 支持多日预报
    if len(lives) > 1:
        return "\n".join([format_day(day) for day in lives])

2. 部署建议

使用uvicorn部署为HTTP服务：

# main.py
from fastapi import FastAPI
app = FastAPI()

@app.post("/weather")
async def get_weather(message: str):
    return await get_weather_info(message)