LangChain入门(十)-Prompt和Agents

该文展示了如何利用Langchain库结合OpenAIAPI和第三方服务SerpAPI来构建智能问答系统。通过PromptTemplate和LLMChain可以简化用户输入,而Agents则实现了动态代理,能自动选择合适的工具如搜索引擎或数学计算模块来处理问题。示例代码中详细演示了基础版、Prompt版本和Agents版本的问答流程。
摘要由CSDN通过智能技术生成

目录

一、名词解释

二、实例


一、名词解释

Prompt:一个能够与关键词组成完整语义的模板,用户只需要输入关键词即可。

Agents:动态代理调用其他服务的API,比如精确计算、实际的业务数据API等。

二、实例

import os

from langchain import OpenAI, PromptTemplate, LLMChain
from langchain.agents import load_tools, initialize_agent, AgentType

# openAI的Key
os.environ["OPENAI_API_KEY"] = '**************'
# 谷歌搜索的Key
os.environ["SERPAPI_API_KEY"] = '***************'

llm = OpenAI(temperature=0)


def one():
    """
    基础版:输入整个语义
    :return:
    """
    text = "对于一家生产彩色袜子的公司来说,什么是好的公司名称?"
    result = llm(text)
    print(result)


def two():
    """
    prompt版本:提前定义好语义,输入关键词即可
    :return:
    """
    prompt = PromptTemplate(input_variables=["product"],
                            template="对于一家生产{product}的公司来说,什么是好的公司名称?")

    chain = LLMChain(llm=llm, prompt=prompt)

    # 这样我们只需要输入产品名称即可
    result = chain.run("杨梅")
    print(result)


def three():
    """
    agents版:动态代理,实现自动选择计算工具
    :return:
    """
    # SerpApi是一个付费提供搜索结果API的第三方服务提供商。它允许用户通过简单的API调用访问各种搜索引擎的搜索结果,包括Google、Bing、Yahoo、Yandex等。
    # llm-math是langchain里面的能做数学计算的模块
    tools = load_tools(["serpapi", "llm-math"], llm=llm)
    # 初始化tools,models 和使用的agent
    agent = initialize_agent(tools, llm, agent=AgentType.ZERO_SHOT_REACT_DESCRIPTION, verbose=True)
    # 输出结果
    result = agent.run("你是人工智能吗?海湾战争距离现在多少年了? 这个数字的三次方式多少?")
    print(result)


if __name__ == '__main__':
    three()

手动初始化Tools 

import os

from langchain import OpenAI, PromptTemplate, LLMChain, SerpAPIWrapper, LLMMathChain
from langchain.agents import load_tools, initialize_agent, AgentType
from langchain.tools import Tool

# openAI的Key
os.environ["OPENAI_API_KEY"] = '************'
# 谷歌搜索的Key
os.environ["SERPAPI_API_KEY"] = '************'

llm = OpenAI(temperature=0)


def one():
    """
    基础版:输入整个语义
    :return:
    """
    text = "对于一家生产彩色袜子的公司来说,什么是好的公司名称?"
    result = llm(text)
    print(result)


def two():
    """
    prompt版本:提前定义好语义,输入关键词即可
    :return:
    """
    prompt = PromptTemplate(input_variables=["product"],
                            template="对于一家生产{product}的公司来说,什么是好的公司名称?")

    chain = LLMChain(llm=llm, prompt=prompt)

    # 这样我们只需要输入产品名称即可
    result = chain.run("杨梅")
    print(result)


def three():
    """
    agents版:动态代理,实现自动选择计算工具
    :return:
    """
    # SerpApi是一个付费提供搜索结果API的第三方服务提供商。它允许用户通过简单的API调用访问各种搜索引擎的搜索结果,包括Google、Bing、Yahoo、Yandex等。
    # llm-math是langchain里面的能做数学计算的模块
    # tools = load_tools(["serpapi", "llm-math"], llm=llm)

    search = SerpAPIWrapper()
    llm_math_chain = LLMMathChain(llm=llm, verbose=True)

    tools = [
        Tool(
            name="Search",
            func=search.run,
            description="useful for when you need to answer questions about current events"
        ),
        Tool(
            name="Calculator",
            func=llm_math_chain.run,
            description="useful for when you need to answer questions about math"
        )
    ]

    # 初始化tools,models 和使用的agent
    agent = initialize_agent(tools, llm, agent=AgentType.ZERO_SHOT_REACT_DESCRIPTION, verbose=True)
    # 输出结果
    result = agent.run("你是人工智能吗?海湾战争距离现在多少年了? 这个数字的三次方式多少?")
    print(result)


if __name__ == '__main__':
    three()

结尾、扫一扫下方微信名片即可+博主徽信哦 ↓↓ ↓↓ ↓↓ ↓↓ ↓↓ ↓↓ ↓↓ ↓↓  ↓↓↓

评论
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

文子阳

你的鼓励将是我创作的最大动力

¥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