使用 LangChain 和 OpenAI 构建智能代理：开发人员指南

百变鹏仔 1周前 (01-27) #Python

文章标签开发人员

人工智能技术日新月异，开发者们正积极探索将智能功能融入日常工作流程的方法。构建能够自主完成任务、将推理与行动相结合的智能代理便是其中一种有效途径。本文将指导您如何利用LangChain、OpenAI的GPT-4以及LangChain的实验工具，创建一个能够执行Python代码、处理CSV文件并解答复杂问题的智能代理。

LangChain的优势

LangChain是一个功能强大的框架，用于构建基于语言模型的应用程序。其模块化、可重用的组件（例如代理）使其在创建智能代理方面尤为出色，它具备以下能力：

结合LangChain的功能和OpenAI的GPT-4，我们可以针对数据分析、代码调试等特定场景构建高效的智能代理。

环境配置

在开始编写代码之前，请确保您的环境已安装必要的工具：

pip install langchain langchain-openai python-dotenv

openai_api_key=your_api_key_here

构建Python代码执行代理

代理的核心功能之一是执行Python代码，这可以通过LangChain的PythonREPLTool实现。让我们从定义代理开始。

指令设计

代理将根据一系列指令进行操作。我们将使用以下提示：

instruction = """您是一个旨在编写和执行Python代码以回答问题的代理。您可以访问Python REPL，用于执行Python代码。如果出现错误，请调试代码并重试。仅使用代码的输出回答问题。如果您无法编写代码来回答问题，请返回“我不知道”。"""

代理设置

我们将使用LangChain的React框架构建此代理：

from langchain import hubfrom langchain_openai import ChatOpenAIfrom langchain_experimental.tools import PythonREPLToolfrom langchain.agents import create_react_agent, AgentExecutorbase_prompt = hub.pull("langchain-ai/react-agent-template")prompt = base_prompt.partial(instructions=instruction)tools = [PythonREPLTool()]python_agent = create_react_agent(    prompt=prompt,    llm=ChatOpenAI(temperature=0, model="gpt-4-turbo"),    tools=tools,)python_executor = AgentExecutor(agent=python_agent, tools=tools, verbose=True)

现在，该代理可以执行Python代码并返回结果。

CSV数据分析功能集成

数据分析是人工智能代理的常见应用场景。通过集成LangChain的create_csv_agent，我们可以赋予代理查询和处理CSV文件数据的能力。

CSV代理设置

以下是如何向代理添加CSV处理功能：

from langchain_experimental.agents.agent_toolkits import create_csv_agentcsv_agent = create_csv_agent(    llm=ChatOpenAI(temperature=0, model="gpt-4-turbo"),    path="episode-info.csv",    verbose=True,    allow_dangerous_code=True,)

该代理现在可以回答关于episode-info.csv内容的问题，例如：

整合工具，构建统一代理

为了创建一个多功能代理，我们将把Python代码执行和CSV数据分析功能整合到一个实体中，使代理能够根据任务在不同工具之间无缝切换。

统一代理定义

from langchain.agents import Tooldef python_executor_wrapper(prompt: str):    python_executor.invoke({"input": prompt})tools = [    Tool(        name="python agent",        func=python_executor_wrapper,        description="""        用于将自然语言转换为Python代码并执行。        不接受代码作为输入。        """    ),    Tool(        name="csv agent",        func=csv_agent.invoke,        description="""        用于通过运行pandas计算来回答关于episode-info.csv的问题。        """    ),]grant_agent = create_react_agent(    prompt=base_prompt.partial(instructions=""),    llm=ChatOpenAI(temperature=0, model="gpt-4-turbo"),    tools=tools,)grant_agent_executor = AgentExecutor(agent=grant_agent, tools=tools, verbose=True)

这个组合代理能够回答关于Python逻辑和CSV数据分析的问题。

实际案例：分析电视节目剧集数据

让我们通过查询episode-info.csv来测试这个统一代理：

print(    grant_agent_executor.invoke({        "input": "What season has the most episodes?"    }))

代理将分析CSV文件并返回集数最多的剧集信息，并在后台使用pandas进行计算。

后续步骤

LangChain为创建高度定制的智能代理提供了强大的工具，能够简化复杂的工作流程。借助Python REPL和CSV代理等工具，您可以实现从自动化数据分析到代码调试等多种功能，可能性无限。从现在开始构建您的智能代理吧！

文章推荐

使用 LangChain 和 OpenAI 构建智能代理：开发人员指南

在Ubuntu上安装Pytorch和Jupyterlab

分布式系统：设计可扩展的Python后端

[python] 如何在不使用pytz、dateutil的情况下转换不同时区的日期和时间

如何编写你的第一个人工智能：初学者指南

Smolagents简介