Prompt工程之LangChain实战：多智能体辩论系统(1)

第一章：项目概览

1.1 项目介绍与应用场景

本项目旨在通过 LangChain 框架构建一个多智能体对话模拟系统，其中多个代理可以进行结构化对话，并利用搜索、计算等外部工具支持更复杂的交互。这种系统可广泛应用于：

• 智能辩论与对话训练（如学术讨论模拟）
• 任务协作型 AI 代理系统（如团队决策模拟）
• 多角色对话游戏与虚拟世界构建

通过本教程，您将掌握如何：

• 构建可会话的 DialogueAgent 类；
• 实现一个支持轮转控制的 DialogueSimulator；
• 集成搜索等外部工具；
• 组织和执行一场可控的多方辩论模拟。

---

1.2 多智能体系统概述

在本项目中，我们采用中央协调式多智能体架构：

• Moderator Agent（主持代理）：掌控全局，分配发言顺序；
• Participant Agents（参与者代理）：根据主持人的指令参与讨论；
• 工具调用能力：代理可在对话中调用工具完成搜索、查询、计算等任务。

这种结构具有良好的可控性和扩展性，适合教学与实验。

---

1.3 环境配置

详见博客Prompt工程之LangChain 1）初识 LangChain

---

1.4 Tavily Search 工具配置指南

本教程将演示如何为代理集成 Tavily 搜索工具，它能在互联网上快速返回搜索摘要。

步骤如下：

1. 访问 Tavily 官网 注册并获取 API Key；
2. 将该 Key 填入上述配置；
3. 稍后我们将在第 3 章介绍如何将其作为 LangChain 工具集成到代理中。

---

1.5 小贴士：避免常见环境配置错误

• ✅ 确保 Python ≥ 3.9；
• ✅ 若在 Jupyter 中安装包，请加上 ! 或 %pip 前缀；
• ✅ .env 文件需纯文本 UTF-8 格式；
• ❌ 不要在 public 仓库中泄露 API 密钥；
• ✅ 每次重启内核后需重新设置环境变量或重新加载 .env。

---

1.6 练习区：完成本地开发环境搭建

🎯 目标：成功运行一段代码，调用 ChatOpenAI 并返回一句话响应。

from langchain_openai import ChatOpenAI
from langchain_core.messages import HumanMessage

model = ChatOpenAI()
response = model([HumanMessage(content="你好！今天的天气怎么样？")])
print(response.content)

💬 练习扩展：

• 修改提示语为英文或更复杂的问题；
• 尝试在不使用 .env 的情况下设置 Key；