企业官网建设流程全解析

内容参考于：图灵AI大模型全栈

后面会有专门的Agent详细玩法，这里只是做一个了解

1.0的调用方式比0.3版本简单很多

运行下方的代码，要用1.0.2版本，否则会报错

pip install langgraph==1.0.2 langgraph-prebuilt==1.0.2

效果图：

# 导入LangChain智能体创建函数：用于构建AI智能客服代理 # 来源：langchain 核心库 from langchain.agents import create_agent # 导入Tavily在线搜索工具：用于联网搜索实时信息 # 来源：langchain_tavily 第三方工具库 from langchain_tavily import TavilySearch # 导入大模型调用类：对接阿里通义千问大模型 # 来源：langchain_openai 官方库 from langchain_core.tools import Tool # 导入LangChain工具类：用于封装自定义函数为AI可调用工具 # 来源：langchain_core 核心库 import os # 导入Python内置模块：用于读取环境变量、文件操作 # 来源：Python官方内置库 from dotenv import load_dotenv # 导入环境变量加载工具：读取.env文件中的API密钥 # 来源：第三方库 python-dotenv # 作用：加载项目根目录下的.env环境变量文件 # 入参：无 # 可传值：无 # 值来源：固定调用 load_dotenv() # 定义查询订单状态的函数 # 作用：根据订单ID查询订单状态（自定义业务函数） # 入参：order_id -> 字符串/数字，订单编号 # 可传值：任意订单号（仅1024有预设结果） # 值来源：用户提问中提取的订单ID # 返回值：订单状态描述字符串 def query_order_status(order_id): if order_id == "1024": return "订单 1024 的状态是：已发货，预计送达时间是 3-5 个工作日。" else: return f"未找到订单 {order_id} 的信息，请检查订单号是否正确。" # 定义退款政策说明函数 # 作用：根据公司名称查询对应退款政策（自定义业务函数） # 入参：company_name -> 字符串，公司名称 # 可传值：任意公司名称（仅tom有预设结果） # 值来源：用户提问中提取的公司名称 # 返回值：退款政策描述字符串 def company_refund_policy(company_name): print(company_name) if company_name == "tom": return "tom公司的退款政策是：在购买后7天内可以申请全额退款，需提供购买凭证。" else: print('输入有误') # 查询年龄 # 作用：根据姓名查询年龄（自定义业务函数） # 入参：name -> 字符串，姓名 # 可传值：任意姓名（仅tom有预设结果） # 值来源：用户提问中提取的姓名 # 返回值：年龄描述字符串 def get_age(name): if name == "tom": print(name) return "我的年龄是56岁！" else: print('输入有误') # 初始化工具列表：将在线搜索+自定义函数封装为AI工具 # 作用：给智能体提供可调用的工具集合 # 入参：列表格式，包含Tool对象和TavilySearch对象 # 值来源：自定义编写的工具+官方搜索工具 tools = [ # Tavily联网搜索工具 # 作用：实时联网搜索互联网信息 # max_results：搜索返回结果数量，int # 可传值：1-5 # 值来源：自定义设置 # tavily_api_key：Tavily平台的API密钥 # 可传值：Tavily官网申请的密钥 # 值来源：.env文件中的TAVILY_API_KEY TavilySearch(max_results=1, tavily_api_key=os.getenv("TAVILY_API_KEY")), # 自定义工具1：查询订单状态 Tool( name="queryOrderStatus", # 工具名称：唯一标识，智能体通过名称调用 func=query_order_status, # 工具绑定的函数：调用后执行的自定义函数 description="根据订单ID查询订单状态", # 工具描述：告诉智能体该工具的用途 args={"order_id": "订单的ID"} # 工具参数：参数名+参数说明 ), # 自定义工具2：查询公司退款政策 Tool( name="companyRefundPolicy", # 工具唯一名称 func=company_refund_policy, # 绑定退款政策函数 description="查询某某公司退款政策详细内容", # 工具用途描述 args={"company_name": "公司名称"} # 工具入参说明 ), # 自定义工具3：查询年龄 Tool( name="getAge", # 工具唯一名称 func=get_age, # 绑定年龄查询函数 description="查询tom年龄大小", # 工具用途描述 args={"name": "查询tom年龄大小"} # 工具入参说明 ), ] # 选择将驱动代理的LLM # 作用：初始化阿里通义千问大模型，作为智能体的大脑 # api_key：阿里通义API密钥 # 可传值：阿里云百炼平台申请的API Key # 值来源：.env文件中的DASHSCOPE_API_KEY # base_url：阿里通义兼容OpenAI格式的接口地址 # 可传值：官方固定地址 # 值来源：阿里云官方文档 # model：模型名称 # 可传值：qwen-plus、qwen-turbo、qwen-long等 # 值来源：阿里云官方模型列表 llm = ChatOpenAI(api_key=os.getenv("DASHSCOPE_API_KEY"), base_url="https://dashscope.aliyuncs.com/compatible-mode/v1", model='qwen-plus') # 作用：创建AI智能客服代理 # model：绑定大模型（大脑） # 可传值：初始化好的llm对象 # 值来源：上方定义的llm变量 # tools：绑定可调用的工具集合 # 可传值：上方定义的tools列表 # 值来源：自定义工具列表 # system_prompt：系统提示词，约束智能体行为 # 核心规则：必须用工具回答，参数传递准确，不篡改字符串 # 值来源：自定义编写的约束规则 agent = create_agent( model=llm, tools=tools, system_prompt="你是一个客服助手，使用工具回答问题。传递给工具的内容必须是准确的json数据不结尾的括号多加一个,如果是字符串数据必须和输入的保持一致要完整,不是篡改**重要规则**, ", ) # 定义一些测试询问 # 作用：测试智能体的提问列表 # 入参：列表格式，字符串元素 # 可传值：任意自定义问题 # 值来源：自定义测试用例 queries = [ "请问订单1024的状态是什么？", "请问tom公司退款政策是什么？", "2024年谁胜出了美国总统的选举" ] # 运行代理并输出结果 # 作用：循环遍历测试问题，调用智能体并打印回答 # input：单个用户问题 # inputs：标准化输入格式，固定messages结构 # result：智能体返回的结果 # 输出：打印客户问题+智能体最终回答 for input in queries: print('客户提问：' + input) inputs = {"messages": [{"role": "user", "content": input}]} result = agent.invoke(inputs) print(result['messages'][-1].content)

中间件的作用

我们现在要访问国外的网站，我们在国内是没办法直接访问国外的网站，我们就需要先找一个可以访问国外网络的服务器，这个服务器就是一个中间件，我们通过访问中间件，然后中间件根据我们的请求，去访问国外的数据，然后中间件把国外的数据再发送给我们

LangChain的中间件

使用中间，这里使用HumanInTheLoopMiddleware拦截Tavily搜索引擎

HumanInTheLoopMiddleware需要传递一个工具的名字，Tavily搜索引擎工具名字查看方式，按着CTRL鼠标左键单击下图红框

然后如下图红框，就可以看到名字了

然后HumanInTheLoopMiddleware里有三个值，按着CTRL鼠标左键单击下图红框

如下图红框，可以看到"approve", "edit", "reject"，分别是允许、编辑、拒绝，意思是我们人工可以做什么，上图中只使用了运行和拒绝

如下图：ai回答的问题是空的，这是因为这个问题是需要调用工具，我们并没有同意它使用工具，所以回答的是空的

上图使用的代码

from langchain.agents import create_agent from langchain_tavily import TavilySearch from langchain_openai import ChatOpenAI from langchain_core.tools import Tool import os from dotenv import load_dotenv from langchain.agents.middleware import HumanInTheLoopMiddleware from langgraph.checkpoint.memory import InMemorySaver from langgraph.types import Command load_dotenv() # 定义查询订单状态的函数 def query_order_status(order_id): if order_id == "1024": return "订单 1024 的状态是：已发货，预计送达时间是 3-5 个工作日。" else: return f"未找到订单 {order_id} 的信息，请检查订单号是否正确。" # 定义退款政策说明函数 def company_refund_policy(company_name): print(company_name) if company_name == "tom": return "tom公司的退款政策是：在购买后7天内可以申请全额退款，需提供购买凭证。" else: print('输入有误') # 查询年龄 def get_age(name): if name == "tom": print(name) return "我的年龄是56岁！" else: print('输入有误') # 初始化工具 tools = [ TavilySearch(max_results=1, tavily_api_key=os.getenv("TAVILY_API_KEY")), Tool( name="queryOrderStatus", func=query_order_status, description="根据订单ID查询订单状态", args={"order_id": "订单的ID"} ), Tool( name="companyRefundPolicy", func=company_refund_policy, description="查询某某公司退款政策详细内容", args={"company_name": "公司名称"} ), Tool( name="getAge", func=get_age, description="查询tom年龄大小", args={"name": "查询tom年龄大小"} ), ] # 选择将驱动代理的LLM llm = ChatOpenAI(api_key=os.getenv("DASHSCOPE_API_KEY"), base_url="https://dashscope.aliyuncs.com/compatible-mode/v1", model='qwen-plus') agent = create_agent( model=llm, tools=tools, system_prompt="你是一个客服助手，使用工具回答问题。传递给工具的内容必须是准确的json数据不结尾的括号多加一个,如果是字符串数据必须和输入的保持一致要完整,不是篡改**重要规则**, ", # 使用中间件 middleware=[ # 用于指定需要人工判断工具是否可使用的 HumanInTheLoopMiddleware( interrupt_on={ 'tavily_search':{'allowed_decisions':["approve", "reject"]}, "queryOrderStatus": {'allowed_decisions': ['approve', 'reject']}, "companyRefundPolicy": {'allowed_decisions': ['approve', 'reject']}, "getAge": {'allowed_decisions': ['approve', 'reject']}, } ) ], # 让 agent 代理具备“记住对话历史 + 支持中断后继续”的能力 checkpointer=InMemorySaver(), ) # 定义一些测试询问 queries = [ "请问订单1024的状态是什么？", "请问tom公司退款政策是什么？", "2024年谁胜出了美国总统的选举" ] # 为当前会话设置唯一的 thread_id # 同一个 thread_id 会保留完整的对话状态和中断历史 # 可以理解为一个ai工具运行一个会话，就跟我们使用ai时创建的新窗口一样 config = {"configurable": {"thread_id": "some_other_id_123"}} # 运行代理并输出结果 for que in queries: print('客户提问：' + que) inputs = {"messages": [{"role": "user", "content": que}]} # # 执行代理，直到遇到中断或完成 result = agent.invoke(inputs, config=config) print(result)

如下图红框__interrupt__这里面的是需要审批的工具，它里面会有用到的工具信息，还有用工具的原因

上图里json的说明

# 智能体执行返回的完整结果字典 | 逐值注释，格式无任何改动 { # 键：messages 作用：存储对话所有消息 类型：列表 值来源：agent执行生成 'messages': [ # 用户消息对象 类型：HumanMessage 值来源：用户输入 HumanMessage( content='请问订单1024的状态是什么？', # 内容：用户提问 类型：str 值来源：自定义输入 additional_kwargs={}, # 附加参数 类型：dict 值来源：默认空 response_metadata={}, # 响应元数据 类型：dict 值来源：默认空 id='1afd3b77-e1cd-4417-827a-746bab834aed' # 唯一ID 类型：str 值来源：系统自动生成 ), # AI消息对象 类型：AIMessage 值来源：大模型返回 AIMessage( content='', # AI回答内容 类型：str 空值=调用工具 值来源：大模型返回 additional_kwargs={'refusal': None}, # 附加配置 类型：dict refusal=无拒绝 值来源：大模型返回 response_metadata={ # 响应元数据 类型：dict 值来源：大模型接口返回 'token_usage': { # token消耗 类型：dict 值来源：计费统计 'completion_tokens': 25, # 输出token数 类型：int 值来源：模型计算 'prompt_tokens': 1948, # 输入token数 类型：int 值来源：模型计算 'total_tokens': 1973, # 总token数 类型：int 值来源：模型计算 'completion_tokens_details': None, # 输出token详情 类型：None 值来源：无数据 'prompt_tokens_details': { # 输入token详情 类型：dict 值来源：模型返回 'audio_tokens': None, # 音频token 类型：None 值来源：无音频 'cached_tokens': 0 # 缓存token 类型：int 值来源：无缓存 } }, 'model_provider': 'openai', # 模型厂商 类型：str 值来源：兼容协议标识 'model_name': 'qwen-plus', # 模型名称 类型：str 值来源：自定义配置 'system_fingerprint': None, # 系统指纹 类型：None 值来源：无数据 'id': 'chatcmpl-53c20f3e-9b99-9b50-ad4f-843bfa7e21cc', # 对话ID 类型：str 值来源：接口生成 'finish_reason': 'tool_calls', # 结束原因 类型：str tool_calls=调用工具 值来源：模型返回 'logprobs': None # 日志概率 类型：None 值来源：无数据 }, id='lc_run--019e9cd3-b281-77d2-8c95-4933cfeafde7-0', # 运行ID 类型：str 值来源：系统生成 tool_calls=[ # 工具调用列表 类型：list 值来源：大模型指令 { 'name': 'queryOrderStatus', # 工具名称 类型：str 值来源：自定义工具名 'args': {'__arg1': '1024'}, # 工具参数 类型：dict 值来源：大模型解析生成 'id': 'call_d5306434579d4e93b3ad37', # 调用ID 类型：str 值来源：系统生成 'type': 'tool_call' # 类型标识 类型：str 固定值tool_call } ], invalid_tool_calls=[], # 无效工具调用 类型：list 空=无无效调用 值来源：无错误 usage_metadata={ # 使用元数据 类型：dict 值来源：统计生成 'input_tokens': 1948, # 输入token 类型：int 值来源：模型统计 'output_tokens': 25, # 输出token 类型：int 值来源：模型统计 'total_tokens': 1973, # 总token 类型：int 值来源：模型统计 'input_token_details': {'cache_read': 0}, # 输入详情 类型：dict 值来源：无缓存 'output_token_details': {} # 输出详情 类型：dict 值来源：无数据 } ) ], # 键：__interrupt__ 作用：工具调用中断 类型：list 值来源：LangChain安全机制 '__interrupt__': [ Interrupt( # 中断对象 类型：Interrupt 值来源：需要审批工具调用 value={ # 中断值 类型：dict 值来源：系统生成 'action_requests': [ # 操作请求 类型：list 值来源：工具调用申请 { 'name': 'queryOrderStatus', # 工具名 类型：str 值来源：自定义工具 'args': {'__arg1': '1024'}, # 参数 类型：dict 值来源：模型解析 'description': 'Tool execution requires approval\n\nTool: queryOrderStatus\nArgs: {\'__arg1\': \'1024\'}' # 描述 类型：str 固定提示 } ], 'review_configs': [ # 审批配置 类型：list 值来源：系统设置 { 'action_name': 'queryOrderStatus', # 操作名 类型：str 值来源：工具名 'allowed_decisions': ['approve', 'reject'] # 允许操作 类型：list 固定值：同意/拒绝 } ] }, id='5ce1059b62115668f1e1ea4c98a83ca9' # 中断ID 类型：str 值来源：系统生成 ) ] }

增加输入同意或拒绝功能

效果图：如果输入reject拒绝了，大模型也会回答，只不过它没有使用工具自己乱编的答案

# 作用：创建智能代理对象 # 来源：langchain.agents模块 from langchain.agents import create_agent # 作用：Tavily联网搜索工具 # 来源：langchain_tavily第三方库 from langchain_tavily import TavilySearch # 作用：兼容openai协议调用大模型 # 来源：langchain_openai库 from langchain_openai import ChatOpenAI # 作用：自定义函数封装为工具 # 来源：langchain_core.tools from langchain_core.tools import Tool # 作用：系统内置，环境变量操作 # 来源：python内置os import os # 作用：读取.env配置文件 # 来源：python-dotenv库 from dotenv import load_dotenv # 作用：人工审批中间件，控制工具调用中断 # 来源：langchain.agents.middleware from langchain.agents.middleware import HumanInTheLoopMiddleware # 作用：内存存储会话历史、断点数据 # 来源：langgraph.checkpoint.memory from langgraph.checkpoint.memory import InMemorySaver # 作用：断点恢复指令对象 # 来源：langgraph.types from langgraph.types import Command # 作用：加载项目.env环境配置 # 入参：无 # 可传：无 # 值来源：固定调用 load_dotenv() # 作用：自定义函数，根据订单编号查订单状态 # 入参：order_id 字符串 # 可传：任意订单编号，仅"1024"命中数据 # 值来源：大模型从用户问题提取参数 def query_order_status(order_id): if order_id == "1024": return "订单 1024 的状态是：已发货，预计送达时间是 3-5 个工作日。" else: return f"未找到订单 {order_id} 的信息，请检查订单号是否正确。" # 作用：自定义函数，查询指定公司退款规则 # 入参：company_name 字符串 # 可传：任意公司名，仅"tom"有返回内容 # 值来源：大模型从用户问题提取参数 def company_refund_policy(company_name): print(company_name) if company_name == "tom": return "tom公司的退款政策是：在购买后7天内可以申请全额退款，需提供购买凭证。" else: print('输入有误') # 作用：自定义函数，查询tom年龄 # 入参：name 字符串 # 可传：任意姓名，仅"tom"正常返回年龄 # 值来源：大模型从用户问题提取参数 def get_age(name): if name == "tom": print(name) return "我的年龄是56岁！" else: print('输入有误') # 作用：组装全部可用工具列表，提供给agent调用 # 入参：工具实例集合 # 可传：搜索工具、Tool封装自定义函数 # 值来源：下方逐个定义工具 tools = [ # 作用：在线联网搜索工具 # max_results：int，单次返回结果条数，可传1~5，来源自定义 # tavily_api_key：str，搜索密钥，可传官网申请key，来源.env里TAVILY_API_KEY TavilySearch(max_results=1, tavily_api_key=os.getenv("TAVILY_API_KEY")), # 作用：订单查询工具封装 # name：str，工具标识名，自定义命名 # func：绑定执行函数，来源上方query_order_status # description：str，工具用途说明，给大模型识别 # args：字典，参数释义 Tool( name="queryOrderStatus", func=query_order_status, description="根据订单ID查询订单状态", args={"order_id": "订单的ID"} ), # 作用：退款政策查询工具封装 Tool( name="companyRefundPolicy", func=company_refund_policy, description="查询某某公司退款政策详细内容", args={"company_name": "公司名称"} ), # 作用：年龄查询工具封装 Tool( name="getAge", func=get_age, description="查询tom年龄大小", args={"name": "查询tom年龄大小"} ), ] # 作用：初始化通义千问大模型实例 # api_key：str，阿里密钥，来源.env DASHSCOPE_API_KEY # base_url：str，兼容接口地址，固定官方地址 # model：str，模型名称，可选qwen-plus/qwen-turbo等，来源官方模型名 llm = ChatOpenAI(api_key=os.getenv("DASHSCOPE_API_KEY"), base_url="https://dashscope.aliyuncs.com/compatible-mode/v1", model='qwen-plus') # 作用：实例化智能代理 # model：大模型对象，来源上方llm变量 # tools：工具列表，来源上方tools变量 # system_prompt：str，系统约束提示词，来源自定义配置 # middleware：列表，存放审批中间件 # checkpointer：会话存储器实例，InMemorySaver()内存存储 agent = create_agent( model=llm, tools=tools, system_prompt="你是一个客服助手，使用工具回答问题。传递给工具的内容必须是准确的json数据不结尾的括号多加一个,如果是字符串数据必须和输入的保持一致要完整,不是篡改**重要规则**, ", # 使用中间件 middleware=[ # 作用：人工审批中间件，所有工具调用触发人工确认 # interrupt_on：字典，key=工具名，value=审批选项，固定approve/reject HumanInTheLoopMiddleware( interrupt_on={ 'tavily_search':{'allowed_decisions':["approve", "reject"]}, "queryOrderStatus": {'allowed_decisions': ['approve', 'reject']}, "companyRefundPolicy": {'allowed_decisions': ['approve', 'reject']}, "getAge": {'allowed_decisions': ['approve', 'reject']}, } ) ], # 让 agent 代理具备“记住对话历史 + 支持中断后继续”的能力 checkpointer=InMemorySaver(), ) # 作用：测试提问集合 # 入参：字符串问题 # 可传：任意用户问题 # 值来源：自定义测试用例 queries = [ "请问订单1024的状态是什么？", "请问tom公司退款政策是什么？", "2024年谁胜出了美国总统的选举" ] # 作用：会话配置，thread_id标记独立会话，同一个id保留上下文 # configurable：固定key，thread_id自定义字符串 # 可传：任意自定义id字符串 # 值来源：自定义设置 config = {"configurable": {"thread_id": "some_other_id_123"}} # 作用：循环逐个执行用户提问 for que in queries: print('客户提问：' + que) # 作用：组装agent规定输入格式 inputs = {"messages": [{"role": "user", "content": que}]} # 作用：首次调用agent，触发工具审批中断 result = agent.invoke(inputs, config=config) # 作用：从中断结果取出待审批工具名称 tool_name = result['__interrupt__'][0].value['action_requests'][0]['name'] # 作用：控制台手动输入审批指令，只能approve/reject app_or_reject = input("请确认调用{}是否同意(approve or reject)：".format(tool_name)) # 作用：构造恢复指令，携带审批结果继续运行agent # Command：恢复对象，resume传入审批结果字典 res = agent.invoke( Command(resume={'decisions': [{'type': app_or_reject}]}), config=config ) # 作用：打印最终大模型回答 print(res['messages'][-1].content)