关于一些搜索的longchain实践

#longchain调用本地大模型

# from langchain_community.llms import Ollama

# llm = Ollama(base_url="http://192.168.1.138:11434", model="llama3.1")

# response = llm.invoke("The first man on the moon was …")

# print(response)

#longchain调用本地大模型＋维基百科搜索接口

# from langchain.agents import load_tools

# from langchain.agents import initialize_agent

# from langchain.agents import AgentType

# from langchain_community.chat_models import ChatOpenAI

# from langchain_community.llms import Ollama

# llm = Ollama(base_url="http://192.168.1.138:11434", model="llama3.1")

# tools = load_tools(["wikipedia", "llm-math"], llm=llm)

# agent = initialize_agent(tools,

#                          llm,

#                          agent=AgentType.ZERO_SHOT_REACT_DESCRIPTION,

#                          verbose=True,

#                          handle_parsing_errors=True)

# result=agent.run("关于巴黎奥运会最近有什么新闻吗?")

# print(result)

 多个搜索引擎结合longchain

import os

from langchain_community.llms import Ollama

 

from aiohttp.client import request

from tempfile import template

from langchain.chains import LLMChain

from langchain.chains import LLMRequestsChain

from langchain.prompts import PromptTemplate

# 定义搜索模板

template = '''在>>> 和 <<<直接是来自google的原始搜索结果。

请把对于问题'{query}'的答案从里面提取出来，如果里面没有相关信息的化就说“找不到”

请使用以下格式：

Extracted:<anser or "找不到">

>>> {requests_result} <<<

Extracted:

'''

llm = Ollam