Crewai + langchain 框架配置(非官方/国产/本地)大模型API

使用原生的Crewai框架

在自定义的工具llm_utils.py或是crew.py文件里如下配置(调用OpenAI)

from crewai import Agent, Crew, Process, Task, LLM
from crewai.project import CrewBase, agent, crew, task

llm = LLM(
            base_url="https://xxxxxxx/v1",
            api_key="sk-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx",
            model=O"gpt-4o",  # 本次使用的模型
            # temperature=0.7,  # 发散的程度
            # timeout=None,# 服务请求超时
            # max_retries=2,# 失败重试最大次数
        )

@agent
    def product_manager(self) -> agent:
        return Agent(
            config=self.agents_config["你配置的角色名(这不是重点)"],
            llm=self.llm,
            verbose=True,
        )
# .................

main.py里做如下配置

os.environ["OPENAI_API_BASE"] = "https://xxxxxxx/v1"
os.environ["OPENAI_API_KEY"] = "sk-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx"
os.environ[
### CrewAI、LamIndex 和 LangChain框架对比及使用场景 #### 1. **CrewAI** CrewAI 是一个专注于构建智能对话系统的框架,旨在通过自然语言处理技术实现高效的用户交互。它提供了一系列工具和接口,支持开发者快速搭建聊天机器人,并能够与多种外部数据源进行集成[^1]。 - **核心功能**:CrewAI 提供了强大的上下文管理能力,可以理解复杂的对话流并生成连贯的回复。 - **使用场景**:适用于需要高度定制化对话逻辑的企业级应用,例如客服系统或虚拟助手开发。 - **优势**:易于扩展,支持多语言环境下的文本处理。 ```python # 示例代码:初始化 CrewAI 对话模型 from crewai import DialogueManager manager = DialogueManager(config={"language": "en"}) response = manager.generate_response(user_input="Hello, how can you help me?") print(response) ``` #### 2. **LamIndex** LamIndex 是一种专注于数据索引和检索的技术框架,特别适合处理大规模非结构化数据集。其主要特点是能够将复杂的数据转化为可查询的知识图谱,并支持高效的语义搜索[^2]。 - **核心功能**:LamIndex 提供了高级的数据建模工具,可以自动从文档中提取关键信息并建立索引。 - **使用场景**:适用于需要对大量文档或数据库进行高效检索的应用场景,例如法律文件分析或科研文献管理。 - **优势**:具备强大的语义理解和跨领域知识整合能力。 ```python # 示例代码:使用 LamIndex 进行文档检索 from lamindex import DocumentIndexer indexer = DocumentIndexer() results = indexer.search(query="What is the capital of France?") for result in results: print(result.text) ``` #### 3. **LangChain** LangChain 是一个通用的语言模型工具链,提供了丰富的模块化组件,用于简化自然语言任务的开发流程。它不仅支持文本生成,还涵盖了翻译、摘要生成等多种功能[^3]。 - **核心功能**:LangChain 提供了一个灵活的流水线架构,允许开发者组合不同的模型和服务以完成特定任务。 - **使用场景**:广泛应用于内容创作、自动化写作以及多模态任务(如图像描述生成)。 - **优势**:高度模块化设计,易于与其他系统集成。 ```python # 示例代码:使用 LangChain 进行文本生成 from langchain import TextGenerator generator = TextGenerator(model_name="gpt-3") output = generator.generate(prompt="Write a short story about a robot.") print(output) ``` #### 框架对比总结 | 特性/框架 | CrewAI | LamIndex | LangChain | |------------------|---------------------------------|---------------------------------|---------------------------------| | **主要用途** | 智能对话系统 | 数据索引与检索 | 自然语言处理任务 | | **适用场景** | 客服系统、虚拟助手 | 文档管理、知识图谱构建 | 内容生成、多模态任务 | | **技术优势** | 强大的上下文管理和多语言支持 | 高效的语义搜索和知识整合能力 | 模块化设计和广泛的适配性 | #### 结论 选择哪个框架取决于具体的项目需求。如果目标是构建一个智能对话系统,则 CrewAI 是最佳选择;若需要处理大规模数据集并进行高效检索,LamIndex 更为合适;而 LangChain 则因其灵活性和多样性,成为解决各种自然语言问题的理想工具[^4]。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Otto_1027

蟹蟹你,我会继续努力的~

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值