让AI给你写代码（五）—— 应用Agent，理解Agent，走进现实世界

本文链接：https://blog.csdn.net/zhyuli/article/details/136875922

本文想解决一个问题，理解Agent有啥具体的作用？所谓读书千遍，不如动手一试，我们还是借助于上一篇，让AI给你写代码（四）—— 初步利用LangChain Agent根据输入生成，保存，执行，可以根据提示（prompt）生成代码的Agent，来解决本系列一开始的问题，提取股票信息的一些信息，例如当前股价。

一. 代码说明

我们对代码稍作修改，一个是支持多次人工输入，而不是一次性的预先输入，另一个是重点修改descrription描述，以指导agent以更快的方式生成代码，代码如下

import dashscope
import os
from langchain_community.llms import tongyi
from langchain.agents import initialize_agent
from langchain.tools import tool
from langchain.utilities.python import PythonREPL
import textwrap

from langchain.agents import (
    Tool,
    AgentExecutor,
    agent,
    
)

import time
import random


dashscope.api_key="sk-bb1e64ed39b64aa49195280a8a52cfae"

#新增解析返回数据
def output_response(response: str) -> None:
    if not response:
        exit(0)
    for line in textwrap.wrap(response, width=60):
        for word in line.split():
            for char in word:
                print(char, end="", flush=True)
                time.sleep(0.1)  # Add a delay of 0.1 seconds between each character
            print(" ", end="", flush=True)  # Add a space between each word
        print()  # Move to the next line after each line is printed
    print("----------------------------------------------------------------")


def saveFile(replyMessages: str):
    print('... to save the file ...')
    
    python_path="/home/cfets/eclipse-workspace/TestAI/testchain/"
    
    now_time = time.strftime('%Y-%m-%d_%H:%M:%S', time.localtime())
    i = random.randint(1, 100)
    code_file = python_path + "pyAITest_" + now_time + '_' + str(i) + ".py"
    
    # 保存至文件
    res_content=False
    
    try:
        with open(code_file, 'w') as f:
            f.write(replyMessages)
            res_content =True
    except Exception as e:
        print('Error: %s' % e)
        
    return res_content
            
@tool
def py_repl_tool(code: str):
    """Returns the result of execution."""

    _, after = code.split("```python")  
    realcode = after.split("```")[0]
    
    py_repl=PythonREPL()
    
    #print('realcode:  %s' % realcode)
    
    #保存文件
    if saveFile(realcode):
        print('file is saved ... ')
    
    return py_repl.run(realcode)
    

if __name__ == '__main__':
    os.environ["DASHSCOPE_API_KEY"] = dashscope.api_key
    
    tools = [
    Tool(
        name = "python_1",
        func=py_repl_tool.run,
        description="""请使用python，通过akshare接口获取市场行情，然后按指定的股票代码过滤该股票的行情，
        要求：
           1,请使用以em结尾的方法接口，不要使用新浪接口
           2,返回字段使用中文“代码” 筛选，再按“最新价”
           3,最后用print方法打印行情
        代码格式为
        e.g.:
        ```python
           ....
        ```"""
        ),    #修改描述
    ]
    
    agent = initialize_agent(
    llm=tongyi.Tongyi(model_name="qwen-max",temperature=0), 
    tools=tools,
    verbose=True,
    max_iterations=5,
)
    #agent.run("What is the 10th fibonacci number?")
    #agent.run("股票300001现在的市场价格是多少？")
    
    # 支持多次人工输入
    while True:
        try:
            user_input = input("请输入6位股票代码 ：")
            response = agent.run(user_input)
            output_response(response)
        except KeyboardInterrupt:
            break

我们重点看一下agent的description，根据之前踩坑的经验，告诉AI几条
1 用什么工具（python）什么库（akshare库），按什么规则解决什么问题（获取市场行情，然后按指定的股票代码过滤该股票的行情）
2 几条要求，实际上是避免踩坑
1）要求其使用stock_zh_a_spot_em()接口（注意，如果直接写，可能更稳定一些）
2）避免AI使用英语列名导致错误
3）要打印结果

这更像是技术设计的描述，越接近于代码生成的代码越是准确，当然如果过度的话，那么自动生成代码的意义就不大了…

另外需要说明的是max_iterations=5 这个参数表示迭代次数（5次），从实际运用的角度看，就是如果一次生成后，py_repl.run(realcode)执行报异常，会再次生成代码并执行，直到不报异常；每一轮执行都会生成一个代码并保存

二执行验证

我们可以看一下执行结果
在这里插入图片描述
执行了两次，分别差了300015和002389

再执行生成保存的代码验证一下（002389）

在这里插入图片描述
这个应用看上去非常简单，那有没有实际意义呢？
我们通过直接执行通义千问试试，要求他按股票代码给出现在的股价，结果是不支持的… 原因也写了

通过这个案例，我们可以理解，直接应用大模型对话，大模型提供的回答实际上是基于数据空间，不一定是真实世界。但如果应用Agent，则可以驱动大模型通过一定的工具在现实世界里找到答案…

是这样吗？我再尝试一下文心一言，同样是找现实股票当下的股价
在这里插入图片描述
文心一言给出了答案… 那Agent能不能做到文心一言对话也做不到的任务呢？

继续，我们进一步要求，按股票代码按最近5天的K线数据，结果是… 做不到
在这里插入图片描述
我们看看Agent能否做到

description="""请使用python，通过akshare接口获取指定股票最近5天的行情
        包括：
           1,如果股票代码包含“300”，请转换为“sz300***”，如果股票包含“600”，请转换为“sh600***”
           2,请先用最新历史行情接口，按个股获取最近5天的开盘价、收盘价，最高价，最低价，返回列表，并用print方法打印数据
        代码格式为
        e.g.:
        ```python
           ....
        ```"""

稍作说明，

py_repl.run暂时不支持作图，所以仅要求提供5天的K线数据，包括开盘价、收盘价，最高价，最低价，
第一条要求主要是对应akshare相关历史行情接口，比较变态的入参要求 ak.stock_zh_a_daily(symbol=“sz000001”, start_date=“19910403”, end_date=“20231027”, adjust=“qfq”)
print(stock_zh_a_daily_qfq_df)

我们看执行效果和生成代码
AI折腾了几轮，终于折腾出结果…
在这里插入图片描述