使用LangGraph调用大模型：定义动态提示词

基本配置

代码是一个示例，如何使用LangGraph创建一个agent,调用通义千问（阿里Tongyi大模型）。

agent的调用说明

agent由三个组件组成：大型语言模型 (LLM) 、一组可以使用的工具以及提供指令的提示。

LLM 以循环方式运行。在每次迭代中，它会选择一个要调用的工具，提供输入，接收结果（观察结果），并使用该观察结果来指导下一步操作。循环持续进行，直到满足停止条件——通常是当代理收集到足够的信息来响应用户时。

接上文继续分享，仅在上文的基础上加了
1.定义动态的提示词方法

运行示例

# -*- coding: utf-8 -*-
from langgraph.prebuilt import create_react_agent
from langchain_core.messages import AnyMessage
from langchain_core.runnables import RunnableConfig
from langgraph.prebuilt.chat_agent_executor import AgentState
from langgraph.prebuilt import create_react_agent
#阿里云Tongyi大模型  调用通义千问API
from langchain_community.chat_models.tongyi import ChatTongyi #dashscope 

#模型初始化
llm = ChatTongyi(
    model="qwen-turbo",#qwen-max-latest qwen-plus
    temperature=0,
    verbose=True