LangChain入门教程 - 使用代理Agent

最新推荐文章于 2025-05-30 17:41:42 发布

熊主任

最新推荐文章于 2025-05-30 17:41:42 发布

阅读量771

点赞数 4

CC 4.0 BY-SA版权

分类专栏： Python 文章标签： langchain python 人工智能

本文链接：https://blog.youkuaiyun.com/panda_lin/article/details/138499883

对于大模型，比如某些场景，需要数学计算，或者需要从某些网站获取参考资料，就必须使用专门的代理来完成任务。这里我们使用langchain提供的数学工具来实现一个最简单的例子，下一篇我们会讲如何自己实现代理。

首先创建一个对话模型，记得自己设置环境变量QIANFAN_AK和QIANFAN_SK。

from langchain_community.chat_models import QianfanChatEndpoint

chatModel = QianfanChatEndpoint(
    model='ERNIE-Bot',
    endpoint='completions'
)

组装代理

我们使用lc库提供的数学包LLMMathChain组装数学代理，负责数学相关的计算工作。这里简单解释一下代理的工作原理，不完全正确，但大概原理是没跑的：大模型在收到问题后，和工具的描述匹配一下，决定使用哪些工具。然后把问题理解后生成合适的参数调用工具并返回结果。这里面是个大黑盒，怎么理解和拆分问题并匹配工具都是由大模型自己决定的，你只能通过提示词给出参考。对于百度的千帆，测试中发现对于数学问题用英文提问比较好，如果是中文理解就问有问题，没法正确调用工具。

from langchain import LLMMathChain
from langchain.agents import AgentType, initialize_agent
from langchain.tools import BaseTool, Tool
from pydantic import BaseModel, Field

tools = []

class CalculatorInput(BaseModel):
    question: str = Field()
    
llm_math_chain = LLMMathChain(llm=chatModel, verbose=True)

too