图解 LangChain 餐饮推荐，反复调试只为你打造个性化菜单系统

本文链接：https://blog.csdn.net/python1234_/article/details/147122145

# 图解 LangChain 餐饮推荐，反复调试只为你打造个性化菜单系统
LangChain 就像是一个私人大厨，可以帮你根据口味偏好精准推荐最合适的美食选择。
## 基本功能
### 1. 链式调用
```python
from langchain.chains import LLMChain
from langchain.llms import OpenAI
from langchain.prompts import PromptTemplate

# 创建提示模板
食物模板 = PromptTemplate(
    input_variables=["菜系", "饮食偏好"],
    template="推荐一些{菜系}美食，要考虑{饮食偏好}的口味偏好。"
)

# 初始化语言模型
语言模型 = OpenAI(temperature=0.7)

# 创建链
推荐链 = LLMChain(llm=语言模型, prompt=食物模板)

# 获取推荐
结果 = 推荐链.run(菜系="川菜", 饮食偏好="不吃辣")
print(结果)

2. 工具集成

from langchain.agents import load_tools, initialize_agent
from langchain.agents import AgentType

# 加载工具
工具列表 = load_tools(["serpapi", "llm-math"], llm=语言模型)

# 创建代理
餐厅代理 = initialize_agent(
    tools=工具列表, 
    llm=语言模型,
    agent=AgentType.ZERO_SHOT_REACT_DESCRIPTION,
    verbose=True
)

# 查询餐厅
查询结果 = 餐厅代理.run("附近的素食餐厅有哪些，并计算从我家到最近的一家需要多少时间")

在这里插入图片描述

实用功能

1. 记忆对话历史

# 添加记忆功能
from langchain.chains import ConversationChain
from langchain.memory import ConversationBufferMemory

# 创建对话记忆
食物对话记忆 = ConversationBufferMemory()

# 构建有记忆的对话链
对话链 = ConversationChain(
    llm=语言模型,
    memory=食物对话记忆,
    verbose=True
)

# 连续对话
回复1 = 对话链.predict(input="我想吃一些健康的晚餐")
print(回复1)

# 引用之前的对话
回复2 = 对话链.predict(input="有什么低碳水的选择吗?")
print(回复2)  # 这里会记住之前讨论的是健康晚餐

2. 检索增强生成

from langchain.document_loaders import TextLoader
from langchain.indexes import VectorstoreIndexCreator

# 加载菜单数据
菜单加载器 = TextLoader("餐厅菜单.txt")

# 创建索引
索引 = VectorstoreIndexCreator().from_loaders([菜单加载器])

# 根据用户偏好查询菜单
查询 = "有什么含海鲜但不辣的菜品推荐?"
结果 = 索引.query(查询, llm=语言模型)
print(f"推荐菜品: {结果}")

3. 自定义工具链

from langchain.tools import BaseTool
from typing import Optional, Type

# 自定义过滤工具
class 膳食过滤工具(BaseTool):
    name = "餐饮过滤"
    description = "根据过敏原和饮食限制过滤食物选择"
    
    def _run(self, 查询: str, 过敏原: Optional[list] = None) -> str:
        菜品列表 = ["宫保鸡丁", "糖醋排骨", "麻婆豆腐", "水煮鱼", "佛跳墙"]
        禁忌食材 = 过敏原 or []
        
        结果 = []
        for 菜 in 菜品列表:
            if not any(禁忌 in 菜 for 禁忌 in 禁忌食材):
                结果.append(菜)
        
        return f"适合你的选择: {', '.join(结果)}"

# 使用工具
饮食过滤 = 膳食过滤工具()
结果 = 饮食过滤._run("推荐", 过敏原=["豆腐", "鱼"])
print(结果)

在这里插入图片描述

常见任务示例

1. 创建餐厅推荐助手

# 创建完整的餐厅推荐系统
from langchain.agents import Tool
from langchain.agents import AgentExecutor, AgentOutputParser
from langchain.agents.agent_types import AgentType
from langchain.chains import RetrievalQA
from langchain.vectorstores import Chroma
from langchain.embeddings import OpenAIEmbeddings

# 定义知识库
餐厅数据 = {
    "餐厅列表": ["青椒小馆", "妈妈厨房", "海鲜世界", "素食天地", "烤肉王"],
    "菜系": {"青椒小馆": "川菜", "妈妈厨房": "家常菜", "海鲜世界": "海鲜", "素食天地": "素食", "烤肉王": "烤肉"},
    "价格": {"青椒小馆": "中等", "妈妈厨房": "实惠", "海鲜世界": "高端", "素食天地": "中等", "烤肉王": "高端"}
}

# 创建向量存储
文档列表 = [f"{餐厅}: {菜系}, 价格:{价格}" for 餐厅, 菜系 in 餐厅数据["菜系"].items() 
            for 价格 in [餐厅数据["价格"][餐厅]]]
嵌入 = OpenAIEmbeddings()
向量存储 = Chroma.from_texts(文档列表, 嵌入)

# 设置检索工具
检索工具 = RetrievalQA.from_chain_type(
    llm=语言模型,
    chain_type="stuff",
    retriever=向量存储.as_retriever()
)

# 定义工具集
工具集 = [
    Tool(
        name="餐厅搜索",
        func=检索工具.run,
        description="根据用户偏好查找合适的餐厅"
    )
]

# 创建代理
菜单推荐代理 = initialize_agent(
    tools=工具集,
    llm=语言模型,
    agent=AgentType.ZERO_SHOT_REACT_DESCRIPTION,
    verbose=True
)

# 执行推荐
推荐 = 菜单推荐代理.run("我想吃便宜的家常菜，有推荐吗?")
print(推荐)

2. 构建多步菜单过滤器

from langchain.chains import SequentialChain
from langchain.output_parsers import ResponseSchema, StructuredOutputParser

# 定义输出格式
输出字段 = [
    ResponseSchema(name="菜品名称", description="推荐的菜品名称列表"),
    ResponseSchema(name="口味特点", description="每个菜品的口味描述"),
    ResponseSchema(name="价格区间", description="菜品的价格区间")
]
输出解析器 = StructuredOutputParser.from_response_schemas(输出字段)

# 步骤1: 分析用户偏好
偏好模板 = PromptTemplate(
    input_variables=["用户输入"],
    template="分析用户的饮食偏好:\n{用户输入}\n提取关键词如辣度、味型、食材偏好等"
)
偏好分析链 = LLMChain(llm=语言模型, prompt=偏好模板, output_key="偏好分析")

# 步骤2: 菜品筛选
筛选模板 = PromptTemplate(
    input_variables=["偏好分析"],
    template="根据以下偏好，推荐3-5道适合的菜品:\n{偏好分析}\n" + 输出解析器.get_format_instructions()
)
菜品筛选链 = LLMChain(llm=语言模型, prompt=筛选模板, output_key="菜品推荐")

# 组合多步链条
菜单推荐链 = SequentialChain(
    chains=[偏好分析链, 菜品筛选链],
    input_variables=["用户输入"],
    output_variables=["偏好分析", "菜品推荐"],
    verbose=True
)

# 执行推荐流程
结果 = 菜单推荐链({"用户输入": "我想吃不太辣但是有点麻的菜，最好有牛肉，价格适中"})
菜单 = 输出解析器.parse(结果["菜品推荐"])
print(菜单)

Generated Image