第7章 智能体开发框架LangChain-代码和提示词-林子雨编著《AI编程与智能体开发》
内容提要
《AI编程与智能体开发》介绍了LangChain的使用，包括环境准备、程序示例和智能体实例。用户可以通过Python创建虚拟环境，安装依赖包，编写LangChain程序，构建智能体并实现多轮对话。示例代码展示了消息处理、工具调用和状态管理，帮助用户理解和应用AI编程。
关键要点
-
使用命令构建Python虚拟环境并安装LangChain依赖包。
-
示例代码展示如何使用LangChain创建第一个程序，调用模型并获取响应。
-
提供了一个简易的智能体实例，能够查询课程相关通知信息。
-
展示了多轮对话中消息的创建与使用，模拟教师与助手的互动。
-
介绍了LangChain的提示词模板，支持动态生成提示内容。
-
演示了如何封装自定义工具，如计算器和日期运算工具，并在智能体中调用。
-
使用SQLite实现持久化状态，确保程序重启后能够延续会话。
-
构建课程资料问答助手，使用FAISS进行向量索引和检索问答链的实现。
延伸解读
LangChain的环境准备
在使用LangChain进行智能体开发之前，用户需要先构建Python虚拟环境并安装相关依赖包。这一过程确保了项目的依赖不会影响系统的全局Python环境，避免了潜在的版本冲突。用户应注意选择合适的Python版本和依赖包，以确保程序的顺利运行。
智能体的多轮对话能力
LangChain支持多轮对话的实现，用户可以通过构建消息列表来模拟连续的问答场景。这种能力使得智能体能够更自然地与用户互动，提升用户体验。在设计对话时，开发者应考虑如何有效管理上下文，以便智能体能够准确理解用户的意图。
持久化状态的重要性
在智能体开发中，持久化状态是确保用户体验连续性的关键。通过使用SQLite等数据库，开发者可以在程序重启后恢复用户的会话状态。这一功能对于需要长期交互的应用场景尤为重要，开发者应合理设计数据存储结构，以便高效管理用户信息。
延伸问答
如何在Python中安装LangChain的依赖包？
可以使用命令 `pip install -U langchain langchain-ollama langchain-community langchain-text-splitters faiss-cpu` 来安装依赖包。
LangChain的智能体如何查询课程通知？
可以通过定义一个函数 `search_notice`，根据输入的主题关键词返回对应的课程通知内容。
LangChain如何实现多轮对话？
通过构建消息列表并使用 `ChatOllama` 模型，可以模拟教师与助手的连续提问，实现多轮对话。
LangChain的提示词模板有什么用？
提示词模板可以动态生成提示内容，支持内嵌任意数量的模板参数，便于格式化和生成特定的消息。
如何在LangChain中实现状态持久化？
可以使用SQLite检查点，将会话状态写入本地数据库文件，以便程序重启后继续会话。
LangChain如何构建课程资料问答助手？
通过加载文档、切分文本并使用FAISS进行向量索引，可以实现课程资料的问答功能。
