给大模型添加联网功能的免费方案，以langchain为例

langchain介绍

LangChain 是一个用于开发由大型语言模型 (LLM) 驱动的应用程序的框架。 简单来说，它可以帮助你更轻松地构建利用 LLM（例如 OpenAI 的 GPT 模型、Google 的 PaLM 模型等）的应用程序。

实践

给大模型添加联网功能也就是添加一个搜索引擎。一种方式就是先经过搜索引擎再把信息传给大模型进行回答，另一种就是使用function calling + 搜索引擎API 让大模型自己决定是否需要使用联网功能。

而免费的搜索引擎指的是duckduckgo，可能效果上没有付费的搜索引擎比如必应api与谷歌api好就是了，但是单纯用于测试联网功能的实现那也足够了。

首先先简单过一遍langchain的使用。

接入OpenAI的大模型并使用非流式与流式响应：

from langchain.chat_models import init_chat_model
from langchain_core.messages import HumanMessage, SystemMessage

api_key = "你的api_key"

model = init_chat_model("gpt-4o-mini", model_provider="openai",api_key=api_key)

print(model.invoke([HumanMessage(content="你是谁？")]))

messages = [
    HumanMessage("你是谁？"),
]
for token in model.stream(messages):
    print(token.content, end="|")

再试一下接入国内的大模型并使用非流式与流式响应：

from langchain.chat_models import init_chat_model
from langchain_core.messages import HumanMessage

api_key = "你的api_key"
base_url = "https://api.siliconflow.cn/v1"
model = init_chat_model("Qwen/Qwen2.5-72B-Instruct", model_provider="openai",api_key=api_key,base_url=base_url)

print(model.invoke([HumanMessage(content="你是谁？")]))

messages = [  
    HumanMessage("你是谁？"),
]
for token in model.stream(messages):
    print(token.content, end="|")

由于这个功能的实现，需要使用工具调用，现在来看看在langchain如何使用工具调用：