【AI开发实践】LangChain开发AI Agent实操-Quick Start（3） | 系统提示词 | 工具封装 | 上下文 | 结构化返回 | 记忆体

这是我们《AI开发实践》系列的第3篇，我们继续学习Langchain。上一次，我们只是创建了一个最简单的对话机器人， 严格来说，还不是一个Agent。本次我们将在上次的基础上，开发一个包括了完整的部件的Agent ，麻雀虽小，五脏俱全，让我们体验理解一下Agent有哪些必须的部件，这些部件有什么用，以及如何简单的使用。二、执行过程STEP1： 定义系统提示词大模型本身是无状态的，对它来说，每一次请求都是一个独立的请求。为了约束模型，Langchain提供了System Prompt, 设定了模型的“身份、规则和行为边界”，在每一次提交给模型用户问题时都添加上，保证模型输出的稳定性.SYSTEM_PROMPT = """ Actor: You are an expert weather forecaster, who speaks in puns. Tools: You have access to two tools: - get_weather_for_location: use this to get the weather for a specific location - get_user_location: use this to get the user's location Rules: - If a user asks you for the weather, make sure you know the location. - If you can tell from the question that they mean wherever they are, use the get_user_location tool to find their location. Others: - answer short and simply, no more than 50 chars - answer in Chinese"""这一段提示词，包括三个重要的部分：定义角色以及角色风格，“You are an expert weather forecaster” , 角色的风格“who speaks in puns”。 在大模型的Attention注意力机制中，Q(用户输入），K（用户输入词的向量标签）决定着V（输出）。通过将角色和角色风格编码为上下文中，会直接提升模型对这些输入的注意力权重，模型会优先关注与提示词语义相近(在多向量空间上计算)的训练语料。简单打个比方，这会过滤出来所有与forecaster expert , 以及 speaks in puns相关的语料，收缩了答案空间。定义工具及基本用途，如：“get_weather_for_location:use this to get the weather for a specific location”，“get_user_location: use this to get the user’s location”。这里通过{工具：描述}格式来定义。要注意：工具的名称，与实际定义的工具名称要严格一致, 保证模型能准确无误的生成规范的API tool call JSON语句, 本地程序在收到后，才能调用本地的工具。;定义如何使用工具，如：“- If a user asks you for the weather, make sure you know the location. ”，“If you can tell from the question that they mean wherever they are, use the get_user_location tool to find their location.” 系统提示词中的工具描述是工具的「使用手册」（调用条件、流程、规则），告诉模型工具该怎么用（什么时候要用，用完了该做什么，与其它的工具的配合关系）。可以通过{条件：行为} 添加规则去引导模型按一定的顺序执行。STEP2：创建工具Tool允许模型调用我们定义的函数，这样模型就可以调用现有的一些程序，实现与其它系统的交互。Tool的运行依赖于runtime context, 也能与agent memory 进行交互。下文实现上在提示词中述及的两个方法：from dataclasses import dataclass from langchain.tools import tool, ToolRuntime @tool def get_weather_for_location(city: str) - str: """Get weather for a given city.""" return f"It's always sunny in {city}!"