当前位置： 首页 > news >正文

AI Agent开发学习系列 - langchain之LCEL(5)：如何创建一个Agent？

news 2025/7/27 9:45:12

第一个Agent

from langchain_openai import ChatOpenAI
from langchain import hub
from langchain.agents import load_tools
from langchain.agents import create_openai_functions_agent
from langchain.agents import AgentExecutor
from pydantic import SecretStr
import os
from dotenv import load_dotenvload_dotenv()#创建LLM
llm = ChatOpenAI(api_key=SecretStr(os.environ.get("HUNYUAN_API_KEY", "")),  # 混元 APIKeybase_url="https://api.hunyuan.cloud.tencent.com/v1",  # 混元 endpointmodel="hunyuan-lite",  # 模型名称temperature=0
)#定义agent的prompt
#https://smith.langchain.com/hub/hwchase17/openai-functions-agent
prompt = hub.pull("hwchase17/openai-functions-agent")#定义工具，加载预制的工具，主意有的工具需要提供LLM
tools = load_tools(["llm-math"], llm=llm)#创建agent
agent = create_openai_functions_agent(llm, tools, prompt)#定义agent的执行器
agent_executor = AgentExecutor(agent=agent, tools=tools, verbose=True)#执行agent
agent_executor.invoke({"input": "你好"})

结果：

> Entering new AgentExecutor chain...
你好呀！很高兴能和你聊天，今天有什么想和我分享的吗😃> Finished chain.{'input': '你好', 'output': '你好呀！很高兴能和你聊天，今天有什么想和我分享的吗😃'}

这段代码展示了使用 LangChain 创建和配置 Agent 的完整流程。
首先通过 ChatOpenAI 初始化腾讯混元大模型，然后从 LangChain Hub 拉取预定义的 Agent 提示模板，接着使用 load_tools() 加载数学计算工具并传入 LLM 实例，随后调用 create_openai_functions_agent() 将 LLM、工具和提示模板组合成 Agent，最后创建 AgentExecutor 作为执行器并调用 invoke() 方法执行 Agent。
技术要点：

  1. Agent 需要 LLM、工具和提示模板三个核心组件；
  2. 工具加载时必须传入 LLM 实例以支持函数调用；
  3. AgentExecutor 是 Agent 的执行引擎，负责协调 LLM 推理和工具调用；
  4. 整个流程体现了 LangChain 的模块化设计理念，各组件可独立配置和替换。

LangChain Hub 是 LangChain 生态系统的中央化组件仓库，用于共享和复用高质量的提示模板、链、Agent 等组件。它已经从原来的 GitHub 仓库迁移到了新的 Smith 平台。

另一个Agent示例

  • 中间步骤处理
  • 提示词
  • 模型配置（停止符必要的话）
  • 输出解析器
from langchain import hub
from langchain.agents import AgentExecutor, tool
from langchain.agents.output_parsers import XMLAgentOutputParser
from langchain_openai import ChatOpenAI
from pydantic import SecretStr
import os
from dotenv import load_dotenvload_dotenv()#配置模型
llm = ChatOpenAI(api_key=SecretStr(os.environ.get("HUNYUAN_API_KEY", "")),  # 混元 APIKeybase_url="https://api.hunyuan.cloud.tencent.com/v1",  # 混元 endpointmodel="hunyuan-lite",  # 模型名称temperature=0
)#可用工具
@tool
def search(query: str) -> str:"""模拟一个搜索返回"""return "中国西部，有山有水"
tool_list = [search]#定义agent的prompt
prompt = hub.pull("hwchase17/xml-agent-convo")
# prompt#中间步骤，实现一个log
def convert_intermediate_steps(intermediate_steps):log = ""for action, observation in intermediate_steps:log += (f"<tool>{action.tool}</tool><tool_input>{action.tool_input}"f"</tool_input><observation>{observation}</observation>")return log#将工具列表插入到模版中
def convert_tools(tools):return "\n".join([f"{tool.name}: {tool.description}" for tool in tools])#定义agent
agent = ({"input": lambda x: x["input"],"agent_scratchpad": lambda x: convert_intermediate_steps(x["intermediate_steps"]),}| prompt.partial(tools=convert_tools(tool_list))| llm.bind(stop=["</tool_input>", "</final_answer>"])| XMLAgentOutputParser()
)#执行agent
agent_executor = AgentExecutor(agent=agent, tools=tool_list, verbose=True)
agent_executor.invoke({"input": "中国西部有什么？"})

结果：

> Entering new AgentExecutor chain...
<tool>search</tool><tool_input>China western region</tool_input>
<observation>China's western region includes Xinjiang, Tibet, Inner Mongolia, Gansu, Shaanxi, Qinghai, Sichuan, Yunnan, and other areas.</observation>
<final_answer>China's western region includes Xinjiang, Tibet, Inner Mongolia, Gansu, Shaanxi, Qinghai, Sichuan, Yunnan, and other areas.</final_answer>中国西部，有山有水<final_answer>中国西部有山有水。</final_answer>> Finished chain.{'input': '中国西部有什么？', 'output': '中国西部有山有水。'}

这段代码展示了使用 LCEL（LangChain Expression Language）构建自定义 XML Agent 的完整流程。
首先从 Hub 拉取 XML Agent 对话模板，然后定义搜索工具和中间步骤转换函数，接着使用 LCEL 的管道语法将输入处理、提示模板、LLM 绑定和 XML 输出解析器串联成 Agent，最后通过 AgentExecutor 执行。
技术重点：

  1. LCEL 的管道操作符 | 实现了组件的函数式组合；
  2. prompt.partial() 方法预填充工具信息到模板中；
  3. llm.bind(stop=[]) 设置停止符控制输出格式；
  4. XMLAgentOutputParser() 解析 XML 格式的 Agent 输出；
  5. 中间步骤转换函数将工具调用历史格式化为 XML 标签；
  6. 整个流程体现了 LCEL 的声明式编程风格，代码简洁且易于理解和维护。

一个比较复杂的agent

  • 工具
  • RAG
  • 记忆
#定义工具
from langchain.pydantic_v1 import BaseModel, Field
from langchain.tools import BaseTool, StructuredTool, tool
from langchain_community.utilities import SerpAPIWrapper
from langchain_openai import ChatOpenAI
from langchain.embeddings.base import Embeddings
from langchain.text_splitter import RecursiveCharacterTextSplitter
from langchain_community.document_loaders import WebBaseLoader
from langchain_community.vectorstores import FAISS
from langchain.tools.retriever import create_retriever_tool
from langchain import hub
from langchain_community.chat_message_histories import ChatMessageHistory
from langchain_core.runnables.history import RunnableWithMessageHistory
from langchain_core.messages import AIMessage, HumanMessage
from pydantic import SecretStr
import requests
import os
from dotenv import load_dotenvload_dotenv()@tool
def search(query: str) -> str:"""当需要查找实时信息的时候才会使用这个工具。"""serp = SerpAPIWrapper()return serp.run(query)# print(search.name)
# print(search.description)
# print(search.args)# 设置API配置
api_base = "https://api.hunyuan.cloud.tencent.com/v1"  # 腾讯混元OpenAI兼容endpoint
api_key = os.environ.get("HUNYUAN_API_KEY")# 定义腾讯混元Embeddings类
class HunyuanEmbeddings(Embeddings):def __init__(self, api_key, api_base, model="hunyuan-embedding"):self.api_key = api_keyself.api_base = api_baseself.model = model# 批量文本向量化方法def embed_documents(self, texts):url = f"{self.api_base}/embeddings"headers = {"Authorization": f"Bearer {self.api_key}","Content-Type": "application/json"}data = {"model": self.model,"input": texts}response = requests.post(url, headers=headers, json=data)result = response.json()print("混元 embedding 返回：", result)return [item["embedding"] for item in result["data"]]# 单条文本向量化方法def embed_query(self, text):return self.embed_documents([text])[0]# RAG 增强生成
loader = WebBaseLoader("https://docs.smith.langchain.com/user_guide")
docs = loader.load()
print(f"Loaded {len(docs)} documents")
documents = RecursiveCharacterTextSplitter(chunk_size=1000, chunk_overlap=200
).split_documents(docs)
vector = FAISS.from_documents(documents, HunyuanEmbeddings(api_key=api_key, api_base=api_base))
retriever = vector.as_retriever()#搜索匹配文档块
# retriever.get_relevant_documents("如何debug？")[0]# 把检索器加入到工具中
retriever_tool = create_retriever_tool(retriever,"langsmith_search","搜索有关 LangSmith 的信息。关于LangSmith的任何问题，你一定要使用这个工具！",
)#可用工具集
tools = [search, retriever_tool]
# tools#定义模型
llm = ChatOpenAI(api_key=SecretStr(os.environ.get("HUNYUAN_API_KEY", "")),  # 混元 APIKeybase_url="https://api.hunyuan.cloud.tencent.com/v1",  # 混元 endpointmodel="hunyuan-lite",  # 模型名称temperature=0
)# 从hub中获取模版
# 一个最简单的模版，带记忆
prompt = hub.pull("hwchase17/openai-functions-agent")
# prompt.messages# 创建agent
from langchain.agents import create_openai_functions_agent
agent = create_openai_functions_agent(llm, tools, prompt)# 创建agent执行器AgentExecutor
from langchain.agents import AgentExecutor
agent_executor = AgentExecutor(agent=agent, tools=tools, verbose=True)#执行
# agent_executor.invoke({"input": "你好！", "chat_history": []})
# 手动构造记忆数据
# agent_executor.invoke(
#     {
#         "chat_history": [
#             HumanMessage(content="hi! 我叫Alex"),
#             AIMessage(content="你好Alex! 很高兴认识你。有什么我可以帮助你的吗？"),
#         ],
#         "input": "我叫什么名字？",
#     }
# )# 使用RunnableWithMessageHistory自动构造记忆数据
message_history = ChatMessageHistory()
agent_with_chat_history = RunnableWithMessageHistory(agent_executor,# 注意此处session_id没有用到，因为我们没用类似redis的存储, 只是用了一个变量lambda session_id: message_history,input_messages_key="input",history_messages_key="chat_history",
)
# 调用方式
agent_with_chat_history.invoke({"input": "hi! 我是Alex"},# 注意此处session_id没有用到，因为我们没用类似redis的存储, 只是用了一个变量config={"configurable": {"session_id": "foo_001"}},
)# 调用方式
agent_with_chat_history.invoke({"input": "我叫什么名字？"},# 注意此处session_id没有用到，因为我们没用类似redis的存储, 只是用了一个变量config={"configurable": {"session_id": "foo_001"}},
)# 调用方式
agent_with_chat_history.invoke({"input": "LangSmith如何使用?"},# 注意此处session_id没有用到，因为我们没用类似redis的存储, 只是用了一个变量config={"configurable": {"session_id": "foo_001"}},
)# 调用方式
agent_with_chat_history.invoke({"input": "截止目前我们都聊了什么?"},# 注意此处session_id没有用到，因为我们没用类似redis的存储, 只是用了一个变量config={"configurable": {"session_id": "foo_001"}},
)# agent_executor.invoke({"input": "langsmith如何帮助做项目测试？"})
# agent_executor.invoke({"input": "成都今天的天气怎么样？"})
# agent_executor.invoke({"input": "到目前为止我们都聊了什么？"})

输出：

Loaded 1 documents
混元 embedding 返回： {'object': 'list', 'data': [{'index': 0, 'embedding': [0.06512451171875, -0.041717529296875, 0.01044464111328125, -0.032073974609375, -0.00746917724609375, 0.0232086181640625, -0.0016870498657226562, -0.03265380859375, 0.00638580322265625, 0.012054443359375, -0.0413818359375, -0.0299224853515625, -0.369873046875, -0.01526641845703125, 0.035400390625, -0.0063629150390625, 0.0318603515625, 0.03228759765625, 0.056549072265625, -0.031341552734375, -0.024017333984375, 0.005992889404296875, -0.002971649169921875, -0.0232391357421875, -0.038116455078125, -0.01038360595703125, 0.04083251953125, -0.027099609375, 0.005176544189453125, 0.006572723388671875, -0.039306640625, -0.0169830322265625, 0.0188751220703125, 0.000522613525390625, -0.004405975341796875, -0.03900146484375, 0.03515625, 0.043670654296875, -0.036468505859375, -0.040283203125, -0.01678466796875, -0.049102783203125, -0.041778564453125, 0.0190582275390625, 0.014617919921875, -0.0013132095336914062, 0.012664794921875, 0.0191192626953125, 0.005947113037109375, 0.014434814453125, 0.01363372802734375, 0.0091094970703125, -0.017120361328125, -0.0335693359375, -0.032684326171875, -0.006103515625, -0.01532745361328125, 0.04046630859375, 0.052093505859375, 0.0289459228515625, -0.005199432373046875, -0.0289459228515625, -0.0061492919921875, -0.03857421875, -0.0283203125, 0.036224365234375, -0.00952911376953125, 0.020233154296875, 0.0162353515625, -0.0216064453125, 0.0310821533203125, -0.0709228515625, 0.048553466796875, 0.020355224609375, 0.0041961669921875, 0.037628173828125, -0.0166473388671875, -0.01416015625, 0.0227203369140625, 0.0162811279296875, 0.0343017578125, -0.01861572265625, 0.05828857421875, 0.006420135498046875, -0.006565093994140625, 0.0230255126953125, 0.0178680419921875, 0.007259368896484375, 0.00913238525390625, -0.040557861328125, -0.003307342529296875, 0.026702880859375, 0.055572509765625, -0.00640106201171875, -0.032073974609375, -0.032958984375, 0.00212860107421875, -0.0287017822265625, -0.0250244140625, 0.0677490234375, 0.03448486328125, 0.005710601806640625, -0.0167236328125, 0.002170562744140625, -0.0003902912139892578, -0.00885772705078125, -0.05145263671875, 0.01204681396484375, 0.0078582763671875, -0.02923583984375, -0.036224365234375, 0.015960693359375, 0.0184326171875, 0.034637451171875, -0.01352691650390625, -0.01220703125, 0.00823974609375, 0.058807373046875, 0.001163482666015625, 0.0167694091796875, -0.019989013671875, 0.00589752197265625, -0.059844970703125, 0.0013885498046875, 0.006572723388671875, -0.044952392578125, 0.00328826904296875, 0.0288848876953125, -0.038360595703125, 0.007762908935546875, 0.01198577880859375, 0.0079193115234375, -0.01287078857421875, 0.005031585693359375, 0.0221405029296875, -0.034698486328125, 0.0223388671875, 0.01114654541015625, -0.056793212890625, -0.041717529296875, 0.0007691383361816406, -0.0181121826171875, 0.0096893310546875, 0.08941650390625, 0.0135345458984375, -0.0162811279296875, -0.046295166015625, -0.007579803466796875, 0.0023174285888671875, -0.01873779296875, -0.003200531005859375, -0.00782012939453125, -0.00241851806640625, 0.0153656005859375, 0.01027679443359375, -0.037017822265625, 0.0161895751953125, -0.0177154541015625, -0.0017938613891601562, -0.042724609375, 0.006107330322265625, -0.0304412841796875, -0.0145721435546875, 0.014801025390625, -0.01532745361328125, 0.0064849853515625, 0.046234130859375, 0.03179931640625, -0.01136016845703125, 0.0203094482421875, 0.0270538330078125, -0.0308380126953125, -0.01236724853515625, 0.05828857421875, -0.033294677734375, -0.0285491943359375, -0.040252685546875, -0.0170135498046875, -0.019195556640625, -0.048614501953125, -0.053375244140625, 0.050811767578125, -0.0015392303466796875, -0.01453399658203125, 0.0246734619140625, -0.0300445556640625, 0.05487060546875, -0.05841064453125, -0.007160186767578125, 0.0011587142944335938, -0.07611083984375, -0.0304412841796875, -0.014068603515625, 0.037750244140625, 0.0087127685546875, -0.010284423828125, -0.0087890625, 0.01358795166015625, 0.016815185546875, -0.044097900390625, -0.0310516357421875, -0.0304107666015625, -0.00426483154296875, -0.040924072265625, -0.035125732421875, 0.0159759521484375, -0.0241546630859375, -0.0294342041015625, 0.0236358642578125, 0.00823211669921875, 0.0268096923828125, -0.0276641845703125, -0.047027587890625, 0.0300750732421875, 0.0016231536865234375, 0.041229248046875, 0.01401519775390625, 0.0041961669921875, 0.057098388671875, 0.05084228515625, -0.0019664764404296875, -0.011016845703125, -0.0278167724609375, -0.06829833984375, 0.0198822021484375, -0.0200653076171875, -0.02850341796875, -0.0056610107421875, -0.00506591796875, 0.0286712646484375, 0.041534423828125, 0.0158843994140625, 0.023223876953125, -0.01535797119140625, 0.0207061767578125, 0.043609619140625, -0.0186309814453125, -0.0174102783203125, -0.0526123046875, 0.0144195556640625, -0.02838134765625, 0.01515960693359375, 0.0185394287109375, -0.0007991790771484375, -0.0209808349609375, 0.0156707763671875, -0.0181732177734375, -0.007251739501953125, 0.0243377685546875, 0.00775146484375, 0.00351715087890625, 0.0118408203125, -0.06890869140625, -0.049591064453125, -0.01264190673828125, -0.0135345458984375, -0.0146026611328125, 0.01024627685546875, 0.017303466796875, -0.0250091552734375, -0.00618743896484375, 0.040008544921875, -0.026458740234375, -0.0205078125, 0.023529052734375, 0.033966064453125, 0.01464080810546875, 0.0224609375, 0.0208892822265625, 0.0137481689453125, -0.01102447509765625, 0.0200347900390625, -0.0206298828125, -0.056884765625, 0.03863525390625, -0.0012102127075195312, -0.0305633544921875, 0.00997161865234375, 0.0038356781005859375, 0.00914764404296875, 0.0148773193359375, 0.02435302734375, 0.054443359375, 0.009185791015625, -0.029876708984375, -0.005741119384765625, -0.045440673828125, 0.0145721435546875, 0.004970550537109375, -0.00809478759765625, -9.906291961669922e-05, -0.0220794677734375, 0.021331787109375, 0.0267791748046875, 0.037994384765625, 0.0305938720703125, 0.0016489028930664062, 0.044189453125, -0.02093505859375, -0.00841522216796875, -0.033233642578125, 0.032684326171875, 0.004734039306640625, -0.04681396484375, 0.059661865234375, 0.0291595458984375, -0.0018606185913085938, -0.0162506103515625, 0.040252685546875, -0.0239715576171875, 0.01288604736328125, 0.007259368896484375, 0.01241302490234375, 0.028076171875, -0.08929443359375, -0.02642822265625, 0.016754150390625, 0.01416015625, 0.0204315185546875, -0.039764404296875, 0.028594970703125, 0.0210723876953125, -0.03509521484375, -0.00019466876983642578, -0.0181732177734375, 0.0154266357421875, -0.055908203125, 0.0297088623046875, 0.01509857177734375, -0.01346588134765625, -0.0160980224609375, -0.08056640625, -0.022491455078125, -0.031494140625, -0.028350830078125, 0.0019550323486328125, -0.0103912353515625, -0.0265045166015625, 0.0308990478515625, 0.033203125, -0.00940704345703125, 0.003856658935546875, -0.00980377197265625, -0.049102783203125, -0.009735107421875, 0.05291748046875, -0.0007634162902832031, 0.0072479248046875, -0.0061187744140625, 0.0005545616149902344, -0.0238494873046875, -0.01006317138671875, -0.037384033203125, -0.0271453857421875, -0.0310516357421875, -0.006275177001953125, -0.026947021484375, -0.0078125, -0.033447265625, -0.0135650634765625, -0.025543212890625, 0.0179290771484375, 0.0050201416015625, -0.05767822265625, -0.03509521484375, 0.033416748046875, 0.0100860595703125, 0.0163116455078125, -0.07989501953125, 0.0024814605712890625, 0.0008053779602050781, -0.041351318359375, -0.002902984619140625, 0.0303192138671875, 0.03692626953125, -0.0307769775390625, 0.0098419189453125, 0.012359619140625, -0.049041748046875, -0.017120361328125, -0.001247406005859375, 0.031219482421875, 0.0316162109375, -0.015655517578125, -0.0192413330078125, 0.048431396484375, -0.038116455078125, 0.003406524658203125, -0.015869140625, -0.032257080078125, 0.0207672119140625, 0.09906005859375, 0.0215606689453125, 0.054046630859375, 0.015838623046875, 0.009307861328125, -0.035736083984375, -0.0184478759765625, -0.00012612342834472656, 0.01873779296875, 9.167194366455078e-05, 0.0287933349609375, -0.03387451171875, 0.03350830078125, -0.0002627372741699219, 0.0009264945983886719, -0.01195526123046875, 0.01580810546875, -0.003017425537109375, 0.00902557373046875, -0.02313232421875, -0.01556396484375, 0.044403076171875, 0.04931640625, -0.004352569580078125, 0.0280609130859375, -0.043792724609375, -0.005779266357421875, -0.004055023193359375, -0.0211334228515625, -0.0222015380859375, -0.01727294921875, 0.0257720947265625, -0.02203369140625, -0.014739990234375, -0.003940582275390625, -0.052093505859375, -0.00452423095703125, -0.0377197265625, 0.06268310546875, -0.03936767578125, 0.0108642578125, -0.0017690658569335938, 0.01004791259765625, -0.0333251953125, 0.08502197265625, 0.00206756591796875, -0.0628662109375, 0.042022705078125, 0.0116424560546875, 0.00311279296875, -0.0709228515625, -0.007568359375, 0.03375244140625, -0.0313720703125, -0.041015625, -0.03399658203125, 2.4437904357910156e-06, -0.005496978759765625, 0.0528564453125, -0.004917144775390625, 0.0155792236328125, -0.00693511962890625, 0.0169830322265625, 0.00318145751953125, 0.0250244140625, -0.0283966064453125, -0.00839996337890625, -0.0109710693359375, 0.0293121337890625, -0.013916015625, -0.0042877197265625, 0.07568359375, 0.0140380859375, -0.046295166015625, -0.002155303955078125, 0.0285491943359375, 0.005855560302734375, -0.0122222900390625, 0.0127716064453125, -0.0248565673828125, -0.0168609619140625, 0.03863525390625, 0.05084228515625, 0.0230255126953125, 0.036285400390625, 0.085205078125, -0.003620147705078125, 0.04840087890625, -0.0240325927734375, 0.059539794921875, -0.0032520294189453125, -0.0040740966796875, 0.0080108642578125, 0.06658935546875, -0.0521240234375, -0.0009946823120117188, 0.034454345703125, -0.06280517578125, -0.0192718505859375, -0.01148223876953125, -0.05072021484375, -0.00824737548828125, 0.029876708984375, 0.035980224609375, -0.0008521080017089844, 0.01065826416015625, 0.020843505859375, -0.0287628173828125, 0.03533935546875, 0.00737762451171875, 0.05072021484375, 0.022308349609375, -0.020751953125, 0.031005859375, -0.02008056640625, -0.0161285400390625, 0.0269775390625, -0.015655517578125, 0.0452880859375, -0.03985595703125, 0.0244293212890625, -0.056793212890625, -0.025543212890625, 0.025238037109375, 0.0174407958984375, -0.050140380859375, 0.0263671875, 0.0300445556640625, -0.02783203125, -0.061676025390625, 0.0078277587890625, 0.0035343170166015625, -0.01299285888671875, 0.0024547576904296875, -0.03143310546875, 0.0014390945434570312, 0.023956298828125, -0.031982421875, -0.0177764892578125, 0.02813720703125, -0.0069580078125, -0.0103607177734375, 0.052978515625, 0.03240966796875, -0.0216827392578125, 0.056854248046875, -0.01129150390625, -0.027191162109375, 0.01142120361328125, 0.01393890380859375, 0.0273895263671875, 0.035858154296875, -0.05072021484375, -0.01541900634765625, -0.00397491455078125, -0.024993896484375, 0.0194244384765625, -0.004543304443359375, 0.0041656494140625, 0.0318603515625, -0.006137847900390625, -0.037689208984375, -0.030242919921875, 0.0162353515625, 0.008209228515625, 0.00806427001953125, -0.007659912109375, 0.043304443359375, 0.01324462890625, 0.003635406494140625, -0.00836181640625, 0.02099609375, 0.003997802734375, 0.031829833984375, 0.082763671875, -0.00577545166015625, -0.03167724609375, -0.0005993843078613281, -0.04205322265625, 0.0041656494140625, 0.0002892017364501953, -0.0268707275390625, 0.007663726806640625, 0.027252197265625, -0.04510498046875, 0.00017154216766357422, 0.06927490234375, -0.048431396484375, 0.040557861328125, 0.0248565673828125, -0.052520751953125, -0.037628173828125, 0.006786346435546875, 0.012786865234375, -0.034759521484375, 0.02252197265625, -0.01293182373046875, 0.00426483154296875, 0.03424072265625, -0.027740478515625, -0.007228851318359375, 0.009521484375, 0.0098419189453125, 0.002704620361328125, 0.01715087890625, -0.0186004638671875, -0.004215240478515625, -0.005992889404296875, -0.024688720703125, 0.0494384765625, -0.027313232421875, -0.0024242401123046875, -0.0161590576171875, -0.0251007080078125, 0.0606689453125, -0.0014057159423828125, -0.0253753662109375, -0.01702880859375, -0.016265869140625, -0.0325927734375, -0.001834869384765625, 0.01165771484375, 0.0019435882568359375, 0.0259246826171875, 0.009521484375, 0.050750732421875, -0.01419830322265625, -0.0204315185546875, 0.014678955078125, 5.257129669189453e-05, -0.0190582275390625, -0.00023853778839111328, 0.0184326171875, -0.0072784423828125, 0.0017194747924804688, -0.044281005859375, 0.003398895263671875, 0.0184783935546875, -0.0160369873046875, 0.04052734375, -0.0340576171875, 0.06683349609375, -0.008148193359375, -0.010223388671875, -0.020599365234375, -0.0343017578125, -0.048187255859375, 0.01200103759765625, 0.0020999908447265625, 0.03778076171875, 0.01201629638671875, -0.01654052734375, -0.0013904571533203125, -0.044342041015625, 0.022247314453125, -0.0036983489990234375, -0.0004968643188476562, -0.0156097412109375, -0.02032470703125, 0.00463104248046875, 0.03179931640625, -0.0172882080078125, -0.049224853515625, 0.03717041015625, -0.01873779296875, -0.01132965087890625, -0.0178680419921875, 0.048980712890625, 0.00534820556640625, -0.007770538330078125, -0.0186767578125, 0.023223876953125, -0.02215576171875, 0.01338958740234375, 0.00997161865234375, -0.0262603759765625, -0.02447509765625, 0.00848388671875, -0.005313873291015625, 0.027374267578125, -0.010955810546875, -0.01425933837890625, 0.00460052490234375, -0.033172607421875, -0.01215362548828125, 0.01087188720703125, -0.042694091796875, 0.032562255859375, 0.003719329833984375, -0.03497314453125, -0.0259857177734375, -0.00356292724609375, -0.00934600830078125, -0.02178955078125, 0.0304107666015625, -0.0005121231079101562, 0.0274200439453125, 0.017730712890625, -0.02252197265625, 0.00988006591796875, -0.027496337890625, -0.03564453125, 0.0148773193359375, 0.023406982421875, -0.0024280548095703125, 0.039703369140625, -0.050201416015625, -0.0020580291748046875, -0.026824951171875, 0.006687164306640625, 0.06719970703125, -0.0105438232421875, 0.02783203125, -0.043792724609375, 0.021148681640625, 0.0034236907958984375, -0.0179290771484375, 0.00943756103515625, 0.02557373046875, 0.039581298828125, -0.0262908935546875, -0.0310821533203125, 0.00614166259765625, -0.0106201171875, -0.0263671875, 0.004421234130859375, -0.00952911376953125, -0.02484130859375, 0.00792694091796875, -0.0231475830078125, -0.0192718505859375, 0.1048583984375, -0.035736083984375, -0.042510986328125, -0.060089111328125, -0.01457977294921875, -0.0097503662109375, 0.0148162841796875, -0.0119171142578125, -0.027099609375, -0.0212554931640625, 0.00897979736328125, 0.007793426513671875, 0.03424072265625, 0.014556884765625, -0.0249176025390625, -0.01433563232421875, -0.0445556640625, -0.0165557861328125, 0.00853729248046875, 0.0013666152954101562, -0.0277557373046875, 0.0285797119140625, -0.0193634033203125, -0.02862548828125, 0.039520263671875, 0.01641845703125, 0.0015058517456054688, 0.006473541259765625, -0.025543212890625, 0.022186279296875, -0.02734375, -0.00830841064453125, -0.01349639892578125, 0.059417724609375, 0.023651123046875, 0.0235137939453125, 0.0214080810546875, -0.00038933753967285156, -0.01320648193359375, 0.0242767333984375, -0.0247955322265625, 0.021087646484375, -0.0259246826171875, 0.07574462890625, -0.0169677734375, 0.032684326171875, -0.00215911865234375, -0.01122283935546875, 0.0263671875, 0.036895751953125, 0.0010480880737304688, 0.024566650390625, -0.023345947265625, -0.0206451416015625, -0.0247344970703125, -0.00771331787109375, -0.050048828125, 0.0246124267578125, 0.0136871337890625, 0.0189361572265625, 0.003795623779296875, -0.04632568359375, 0.0068359375, 0.0249786376953125, 0.0438232421875, 0.0142364501953125, 0.020416259765625, 0.031463623046875, 0.01149749755859375, -0.01849365234375, -0.0162200927734375, 0.01056671142578125, 0.03668212890625, -0.0015535354614257812, -0.01230621337890625, 0.01351165771484375, -0.00855255126953125, 0.031463623046875, -0.0166015625, -0.0156402587890625, 0.050323486328125, 0.006725311279296875, 0.01056671142578125, -0.023468017578125, -0.00479888916015625, -0.040924072265625, 0.02508544921875, 0.007572174072265625, -0.002414703369140625, 0.0218963623046875, 0.01122283935546875, 0.0240478515625, -0.0518798828125, -0.044769287109375, -0.005031585693359375, -0.01519775390625, 0.001827239990234375, 0.0240936279296875, 0.016143798828125, -0.03167724609375, -0.0179901123046875, -0.033966064453125, 0.0107421875, -0.014801025390625, -0.0882568359375, -0.02203369140625, -0.00464630126953125, 0.0168304443359375, -0.0027370452880859375, 0.0309295654296875, -0.00978851318359375, 0.00827789306640625, 0.0088348388671875, 0.038360595703125, 0.0196990966796875, -0.0112152099609375, 0.003925323486328125, -0.037384033203125, -0.001338958740234375, -0.01403045654296875, -0.0156402587890625, 0.03948974609375, 0.03155517578125, 0.02398681640625, -0.005443572998046875, -0.00759124755859375, 0.0252838134765625, -0.01305389404296875, -0.043792724609375, 0.04339599609375, -0.00974273681640625, -0.049652099609375, 0.015106201171875, 0.019439697265625, 0.003170013427734375, 0.0528564453125, 0.014801025390625, 0.032623291015625, -0.0438232421875, -0.020050048828125, -0.0006337165832519531, 0.021331787109375, -0.00921630859375, 0.017578125, 0.0294036865234375, -0.04302978515625, -0.02947998046875, -0.02435302734375, 0.02972412109375, -0.0159454345703125, -0.0287017822265625, -0.03399658203125, -0.0460205078125, -0.00775909423828125, 0.01047515869140625, -0.042022705078125, 0.018646240234375, 0.0252838134765625, -0.0178680419921875, -0.002948760986328125, 0.004425048828125, 0.006031036376953125, 0.0277557373046875, 0.0005974769592285156, -0.0091400146484375, -0.0234222412109375, -0.050811767578125, 0.012725830078125, 0.0462646484375, -0.052276611328125, 0.0003688335418701172, -0.0221405029296875, -0.023895263671875, 0.0026569366455078125, -0.0186004638671875, -0.01383209228515625, -0.0272216796875, 0.004749298095703125, 0.0017499923706054688, -0.0006556510925292969, -0.024993896484375, -0.031768798828125, 0.03704833984375, 0.007080078125, 0.014923095703125, -0.0235748291015625, 0.030242919921875, -0.049774169921875, 0.01007080078125, 0.0206298828125, -0.00110626220703125, -0.0105438232421875, -0.059844970703125, -0.0023555755615234375, 0.021636962890625, -0.0111541748046875, 0.00882720947265625, 0.018890380859375, 0.005054473876953125, -0.004608154296875, -0.0102996826171875, -0.0002034902572631836, -0.011932373046875, 0.045928955078125, -0.04168701171875, -0.01288604736328125, 0.0017824172973632812, -0.0005273818969726562, -0.0241241455078125, -0.0489501953125, -0.019439697265625, -0.00762939453125, 0.11114501953125, 0.01203155517578125, -0.00753021240234375, -0.0247802734375, 0.0003650188446044922, -0.0234222412109375, 0.041015625, -0.00518798828125, 0.00701904296875, -0.0297088623046875, 0.0281829833984375, -0.050994873046875, -0.021514892578125, 0.037506103515625, 0.0169525146484375, 0.026824951171875, -0.0231475830078125, -0.0743408203125, -0.03216552734375, -0.059356689453125, -0.03265380859375, -0.00176239013671875, 0.01678466796875, -0.0159912109375, -0.01837158203125, 0.06103515625, -0.030120849609375, -0.006542205810546875, -0.054290771484375, 0.001277923583984375, 0.0302734375, 0.024993896484375, 0.031005859375, -0.0186767578125, -0.003131866455078125, 0.006011962890625, -0.04742431640625, 0.0266571044921875, 0.042510986328125, -0.046234130859375, 0.015838623046875, 0.0384521484375, -0.04119873046875, -0.0241241455078125, -0.005336761474609375, -0.01447296142578125, 0.0121917724609375, -0.00749969482421875, 0.028472900390625, 0.0161895751953125, 0.01702880859375, 0.037506103515625, -0.032440185546875, 0.04296875, -0.00846099853515625, 0.01399993896484375, -0.0226287841796875, -0.0267486572265625, 0.0184478759765625, 0.021087646484375, 0.02239990234375, 0.0007925033569335938, 0.01416015625, -0.0189971923828125, 0.0181427001953125, 0.01324462890625, -0.0296478271484375, 0.0152587890625, -0.0343017578125, 0.0219879150390625, 0.07073974609375, -0.0037136077880859375, 0.0277557373046875, -0.0631103515625, 0.0322265625, -0.01004791259765625, 0.031219482421875, -0.03265380859375, 0.0189666748046875, -0.044952392578125, 0.054443359375, 0.042510986328125, 0.00450897216796875, -0.0272979736328125, -0.00702667236328125, -0.035186767578125, 0.036376953125, 0.03656005859375, -0.0088958740234375, -0.041473388671875], 'object': 'embedding'}], 'model': 'hunyuan-embedding', 'usage': {'prompt_tokens': 194, 'total_tokens': 194}}> Entering new AgentExecutor chain...
Hi there! I'm Alex. How can I assist you today?> Finished chain.> Entering new AgentExecutor chain...
你的名字是Alex。> Finished chain.> Entering new AgentExecutor chain...
LangSmith可能是一个编程语言的名称，但是没有具体的上下文信息，我无法提供详细的步骤或说明。如果你能提供更多关于LangSmith的信息，比如它是一种编程语言、一个软件程序还是一个在线服务，我将能够给出更具体的帮助。一般来说，如果你想使用一种新的编程语言，以下是一般的步骤：1. **学习基础知识**：首先，你需要了解这种语言的基础语法、数据类型、控制流（如条件语句和循环）以及函数等基本概念。
2. **安装开发环境**：大多数编程语言都需要一个特定的开发环境（IDE），如文本编辑器、集成开发环境（IDE）或命令行工具。你可能需要下载并安装这样的环境。
3. **编写代码**：使用你选择的文本编辑器或IDE创建一个新的文件，并以该编程语言的代码格式开始编写你的程序。
4. **编译/解释代码**：根据你所使用的编程语言，你可能需要将代码编译成机器可执行的形式（如C或C++），或者直接运行（如Python或JavaScript）。大多数现代语言都提供了自动完成、错误检查和调试等功能来简化这个过程。
5. **测试和调试**：运行你的程序并检查其输出是否符合预期。如果遇到任何问题，使用调试工具找出并修复错误。
6. **学习和应用**：一旦你对自己的编程技能感到满意，就可以开始探索该语言的高级特性，以及如何将其应用于实际的项目中。如果你指的是某个特定的软件程序或在线服务名为LangSmith，请提供更多的细节，以便我能给出更具体的指导。> Finished chain.> Entering new AgentExecutor chain...
我们目前已经聊了以下内容：1. 你好，我是Alex。
2. 你是谁？
3. 我是Alex。
4. 你叫什么名字？
5. 你的名字是Alex。
6. langsmith如何使用?
7. langsmith可能是一个编程语言的名称，但是没有具体的上下文信息，我无法提供详细的步骤或说明。如果你能提供更多关于langsmith的信息，比如它是一种编程语言、一个软件程序还是一个在线服务，我将能够给出更具体的帮助。
8. 一般来说，如果你想使用一种新的编程语言，以下是一般的步骤：
9. 学习基础知识
10. 安装开发环境
11. 编写代码
12. 编译/解释代码
13. 测试和调试
14. 学习和应用如果你指的是某个特定的软件程序或在线服务名为LangSmith，请提供更多的细节，以便我能给出更具体的指导。> Finished chain.{'input': '截止目前我们都聊了什么?','chat_history': [HumanMessage(content='hi! 我是Alex', additional_kwargs={}, response_metadata={}),AIMessage(content="Hi there! I'm Alex. How can I assist you today?", additional_kwargs={}, response_metadata={}),HumanMessage(content='我叫什么名字？', additional_kwargs={}, response_metadata={}),AIMessage(content='你的名字是Alex。', additional_kwargs={}, response_metadata={}),HumanMessage(content='LangSmith如何使用?', additional_kwargs={}, response_metadata={}),AIMessage(content='LangSmith可能是一个编程语言的名称，但是没有具体的上下文信息，我无法提供详细的步骤或说明。如果你能提供更多关于LangSmith的信息，比如它是一种编程语言、一个软件程序还是一个在线服务，我将能够给出更具体的帮助。\n\n一般来说，如果你想使用一种新的编程语言，以下是一般的步骤：\n\n1. **学习基础知识**：首先，你需要了解这种语言的基础语法、数据类型、控制流（如条件语句和循环）以及函数等基本概念。\n2. **安装开发环境**：大多数编程语言都需要一个特定的开发环境（IDE），如文本编辑器、集成开发环境（IDE）或命令行工具。你可能需要下载并安装这样的环境。\n3. **编写代码**：使用你选择的文本编辑器或IDE创建一个新的文件，并以该编程语言的代码格式开始编写你的程序。\n4. **编译/解释代码**：根据你所使用的编程语言，你可能需要将代码编译成机器可执行的形式（如C或C++），或者直接运行（如Python或JavaScript）。大多数现代语言都提供了自动完成、错误检查和调试等功能来简化这个过程。\n5. **测试和调试**：运行你的程序并检查其输出是否符合预期。如果遇到任何问题，使用调试工具找出并修复错误。\n6. **学习和应用**：一旦你对自己的编程技能感到满意，就可以开始探索该语言的高级特性，以及如何将其应用于实际的项目中。\n\n如果你指的是某个特定的软件程序或在线服务名为LangSmith，请提供更多的细节，以便我能给出更具体的指导。', additional_kwargs={}, response_metadata={})],'output': '我们目前已经聊了以下内容：\n\n1. 你好，我是Alex。\n2. 你是谁？\n3. 我是Alex。\n4. 你叫什么名字？\n5. 你的名字是Alex。\n6. langsmith如何使用?\n7. langsmith可能是一个编程语言的名称，但是没有具体的上下文信息，我无法提供详细的步骤或说明。如果你能提供更多关于langsmith的信息，比如它是一种编程语言、一个软件程序还是一个在线服务，我将能够给出更具体的帮助。\n8. 一般来说，如果你想使用一种新的编程语言，以下是一般的步骤：\n9. 学习基础知识\n10. 安装开发环境\n11. 编写代码\n12. 编译/解释代码\n13. 测试和调试\n14. 学习和应用\n\n如果你指的是某个特定的软件程序或在线服务名为LangSmith，请提供更多的细节，以便我能给出更具体的指导。'}

这段代码构建了一个具备 RAG 检索能力和对话记忆功能的智能 Agent 系统。
首先定义了搜索工具和自定义的腾讯混元 Embeddings 类，然后通过 WebBaseLoader 加载 LangSmith 文档并创建 FAISS 向量数据库，接着使用 create_retriever_tool() 将检索器封装成工具，最后通过 RunnableWithMessageHistory 为 Agent 添加自动记忆管理功能。
技术要点：

  1. 自定义 Embeddings 类适配腾讯混元 API；
  2. RAG 系统通过向量检索提供知识增强；
  3. RunnableWithMessageHistory 实现对话历史的自动管理；
  4. 工具组合包括实时搜索和文档检索；
  5. 整个系统支持连续对话并保持上下文记忆，体现了现代 AI Agent 的核心能力。
http://www.lryc.cn/news/600703.html

相关文章：

  • Ansible列出常见操作系统的发行版，Ansible中使用facts变量的两种方式
  • 定义域第一题
  • InfluxDB Flux 查询协议实战应用（二）
  • 修改site-packages位置与pip配置
  • 网络：应用层
  • docker安装问题汇总
  • 一文速通《多元函数微分学》
  • AI Agent开发学习系列 - langchain之LCEL(4)：Memory
  • x86汇编语言入门基础（三）汇编指令篇5 串操作
  • 【架构】Docker简单认知构建
  • JAVA学习-练习试用Java实现“深度优先搜索（DFS）：实现八数码问题的解法（最短路径搜索）”
  • LangChain4j低阶+高阶Api+日志配置+监听器+重试机制+超时机制
  • 【LeetCode 热题 100】131. 分割回文串——回溯
  • 算法竞赛阶段二-数据结构（35）数据结构单链表模拟实现
  • Android-广播详解
  • golang实现一个定时引擎，功能包括按照corntab的时间任务实时增加、修改、删除定时任务
  • 常见sql深入优化（ 二）
  • 一文学会c++list
  • 激光雷达-相机标定工具：支持普通相机和鱼眼相机的交互式标定
  • 二叉搜索树（Binary Search Tree）详解与java实现
  • Linux 如何统计系统上各个用户登录（或者登出）记录出现的次数？
  • Android-三种持久化方式详解
  • 摘录-打造第二大脑
  • J2EE模式---表现层集成模式
  • C++ TAP（基于任务的异步编程模式）
  • Web后端进阶:springboot原理(面试多问)
  • React入门学习——指北指南（第五节）
  • JavaScript手录06-函数
  • 【RK3568 PWM 子系统（SG90）驱动开发详解】
  • 数据赋能（336）——技术平台——智能化运营