微信扫码
添加专属顾问
我要投稿
六、ReAct 核心思想是:推理+操作
1、实现 ReAct 算法的测试函数:使用 LangChain 库和 OpenAI API 来执行推理和操作。
# 以下`SERPAPI_API_KEY`仅为示例,请访问 https://serpapi.com 注册账号并替换为自己的 `API_KEY`(每月100次免费调用)
def react_test():
"""
实现 ReAct 算法的测试函数。
使用 LangChain 库和 OpenAI API 来执行推理和操作。
"""
os.environ["SERPAPI_API_KEY"] = os.getenv('SERPAPI_API_KEY')
# 加载 LangChain 内置的 Tools
tools = load_tools(["serpapi", "llm-math"], llm=llm)
# 实例化 ZERO_SHOT_REACT Agent
agent = initialize_agent(tools, llm, agent=AgentType.ZERO_SHOT_REACT_DESCRIPTION, verbose=True)
print(agent.run("谁是莱昂纳多·迪卡普里奥的女朋友?她现在年龄的0.43次方是多少"))
2、测试自我提问与搜索功能的函数:使用 SerpAPI 来执行搜索操作,并结合 LangChain 的工具和LLM进行问答。
def self_ask_with_search_test():"""测试自我提问与搜索功能的函数。使用 SerpAPI 来执行搜索操作,并结合 LangChain 的工具和LLM进行问答。"""os.environ["SERPAPI_API_KEY"] = os.getenv('SERPAPI_API_KEY')# 实例化查询工具search = SerpAPIWrapper()tools = [Tool(name="Intermediate Answer",func=search.run,description="useful for when you need to ask with search",)]# 实例化 SELF_ASK_WITH_SEARCH Agentself_ask_with_search = initialize_agent(tools, llm, agent=AgentType.SELF_ASK_WITH_SEARCH, verbose=True,handle_parsing_errors=True)# 实际运行 Agent,查询问题(正确)self_ask_with_search.run("成都举办的大运会是第几届大运会?")
3、测试函数工具的函数:使用 LangChain 和 OpenAI 来执行特定的函数操作。
def get_word_length(word: str) -> int:
"""
计算单词长度的工具函数。
参数:
word: 要计算长度的单词。
返回:
单词的长度。
"""
"""Returns the length of a word."""
return len(word)
tools = [get_word_length]
def function_test():
"""
测试函数工具的函数。
使用 LangChain 和 OpenAI 来执行特定的函数操作。
"""
system_message = SystemMessage(content="你是非常强大的AI助手,但在计算单词长度方面不擅长。")
prompt = OpenAIFunctionsAgent.create_prompt(system_message=system_message)
agent = OpenAIFunctionsAgent(llm=llm, tools=tools, prompt=prompt)
# 实例化 OpenAIFunctionsAgent
agent_executor = AgentExecutor(agent=agent, tools=tools, verbose=True)
agent_executor.run("单词“educa”中有多少个字母?")
4、测试函数记忆功能的函数:使用 LangChain 的记忆机制来保持对话上下文。
def function_memory_test():"""测试函数记忆功能的函数。使用 LangChain 的记忆机制来保持对话上下文。"""system_message = SystemMessage(content="你是非常强大的AI助手,但在计算单词长度方面不擅长。")MEMORY_KEY = "chat_history"prompt = OpenAIFunctionsAgent.create_prompt(system_message=system_message,extra_prompt_messages=[MessagesPlaceholder(variable_name=MEMORY_KEY)])memory = ConversationBufferMemory(memory_key=MEMORY_KEY, return_messages=True)agent = OpenAIFunctionsAgent(llm=llm, tools=tools, prompt=prompt)# 实例化 OpenAIFunctionsAgentagent_executor = AgentExecutor(agent=agent, tools=tools, verbose=True)agent_executor.run("单词“educa”中有多少个字母?")#agent_executor.run("那是一个真实的单词吗?")
5、完整代码
# 加载环境变量
import openai
import os
import tiktoken
# 加载 .env 文件
from dotenv import load_dotenv, find_dotenv
from langchain.prompts import PromptTemplate
from langchain.llms import OpenAI
from langchain.chains import LLMChain
#from langchain.chat_models import AzureChatOpenAI
from langchain.chat_models import ChatOpenAI #直接访问OpenAI的GPT服务
from langchain.agents import load_tools
from langchain.agents import initialize_agent
from langchain.agents import AgentType,Tool
from langchain.utilities import SerpAPIWrapper
from langchain.schema import SystemMessage
from langchain.agents import OpenAIFunctionsAgent
from langchain.agents import AgentExecutor
from langchain.agents import tool
from langchain.prompts import MessagesPlaceholder
from langchain.memory import ConversationBufferMemory
# 加载环境变量
_ = load_dotenv(find_dotenv())
# 从环境变量中获得你的 OpenAI Key和配置URL
openai.api_key = os.getenv('OPENAI_API_KEY')
openai.api_base = os.getenv('OPENAI_API_URL')
model = os.getenv('OPENAI_API_MODEL')
# 初始化LLM链
llm = ChatOpenAI(model_name=model, temperature=0) #直接访问OpenAI的GPT服务
# ReAct 核心思想是 推理+操作,本示例以` Google Search` 和 `LLM Math` 作为可选操作集合(toolkits),实现 ReAct 功能。
# 以下`SERPAPI_API_KEY`仅为示例,请访问 https://serpapi.com 注册账号并替换为自己的 `API_KEY`(每月100次免费调用)
def react_test():
"""
实现 ReAct 算法的测试函数。
使用 LangChain 库和 OpenAI API 来执行推理和操作。
"""
os.environ["SERPAPI_API_KEY"] = os.getenv('SERPAPI_API_KEY')
# 加载 LangChain 内置的 Tools
tools = load_tools(["serpapi", "llm-math"], llm=llm)
# 实例化 ZERO_SHOT_REACT Agent
agent = initialize_agent(tools, llm, agent=AgentType.ZERO_SHOT_REACT_DESCRIPTION, verbose=True)
print(agent.run("谁是莱昂纳多·迪卡普里奥的女朋友?她现在年龄的0.43次方是多少"))
def self_ask_with_search_test():
"""
测试自我提问与搜索功能的函数。
使用 SerpAPI 来执行搜索操作,并结合 LangChain 的工具和LLM进行问答。
"""
os.environ["SERPAPI_API_KEY"] = os.getenv('SERPAPI_API_KEY')
# 实例化查询工具
search = SerpAPIWrapper()
tools = [
Tool(
name="Intermediate Answer",
func=search.run,
description="useful for when you need to ask with search",
)
]
# 实例化 SELF_ASK_WITH_SEARCH Agent
self_ask_with_search = initialize_agent(
tools, llm, agent=AgentType.SELF_ASK_WITH_SEARCH, verbose=True,handle_parsing_errors=True
)
# 实际运行 Agent,查询问题(正确)
self_ask_with_search.run(
"成都举办的大运会是第几届大运会?"
)
def get_word_length(word: str) -> int:
"""
计算单词长度的工具函数。
参数:
word: 要计算长度的单词。
返回:
单词的长度。
"""
"""Returns the length of a word."""
return len(word)
tools = [get_word_length]
def function_test():
"""
测试函数工具的函数。
使用 LangChain 和 OpenAI 来执行特定的函数操作。
"""
system_message = SystemMessage(content="你是非常强大的AI助手,但在计算单词长度方面不擅长。")
prompt = OpenAIFunctionsAgent.create_prompt(system_message=system_message)
agent = OpenAIFunctionsAgent(llm=llm, tools=tools, prompt=prompt)
# 实例化 OpenAIFunctionsAgent
agent_executor = AgentExecutor(agent=agent, tools=tools, verbose=True)
agent_executor.run("单词“educa”中有多少个字母?")
def function_memory_test():
"""
测试函数记忆功能的函数。
使用 LangChain 的记忆机制来保持对话上下文。
"""
system_message = SystemMessage(content="你是非常强大的AI助手,但在计算单词长度方面不擅长。")
MEMORY_KEY = "chat_history"
prompt = OpenAIFunctionsAgent.create_prompt(
system_message=system_message,
extra_prompt_messages=[MessagesPlaceholder(variable_name=MEMORY_KEY)]
)
memory = ConversationBufferMemory(memory_key=MEMORY_KEY, return_messages=True)
agent = OpenAIFunctionsAgent(llm=llm, tools=tools, prompt=prompt)
# 实例化 OpenAIFunctionsAgent
agent_executor = AgentExecutor(agent=agent, tools=tools, verbose=True)
agent_executor.run("单词“educa”中有多少个字母?")
#agent_executor.run("那是一个真实的单词吗?")
# python 入口函数
if __name__ == '__main__':
#react_test()
#self_ask_with_search_test()
#function_test()
function_memory_test()
53AI,企业落地大模型首选服务商
产品:场景落地咨询+大模型应用平台+行业解决方案
承诺:免费场景POC验证,效果验证后签署服务协议。零风险落地应用大模型,已交付160+中大型企业
2025-04-04
文章和 PPT 配图有救了!SVG 绘图专家智能体大揭秘
2025-04-03
用自定义插件生成一篇图文并茂的文章
2025-04-03
阿里发布Qwen2.5-Omni-7B,听看读写超强性能
2025-04-01
GPT-4o发布新的生图模型,实测目前地表最强
2025-03-31
阿里重磅发布ChatAnyone!实时AI人物视频生成框架
2025-03-31
你的AI搭子是怎样的“人”?ChatGPT 4o图文深度测试
2025-03-31
为体验GPT-4o生图功能,终于向OpenAI付了20刀,实测完,我劝设计师们:别慌!
2025-03-31
Mistral OCR + 结构化输出:结合OCR与LLM,实现高效数据提取与组织!
2024-09-12
2024-06-14
2024-08-06
2024-06-17
2024-05-30
2024-08-30
2024-10-07
2024-11-28
2024-10-16
2024-04-21