LangChain Agent 智能应用构建指南
LangChain 介绍
随着各种开源大模型的发布，越来越多的人开始尝试接触和使用大模型。在感叹大模型带来的惊人表现的同时，也发现一些问题，比如没法查询到最新的信息，有时候问一些数学问题时候会出现错误答案，还有一些专业领域类问题甚至编造回答等等。有没有什么办法能解决这些问题呢？答案是 LangChain。
LangChain 是一个开源的语言模型集成框架，旨在简化使用大型语言模型（LLM）创建应用程序的过程。利用它可以让开发者使用语言模型来实现各种复杂的任务，例如文本到图像的生成、文档问答、聊天机器人、调用特定的 SaaS 服务等等。随着 ChatGPT、Midjourney 等 AI 技术的爆火，LangChain 在短时间内获得了大量关注，版本迭代异常快，社区十分活跃。
LangChain 的核心架构主要包含如下模块：
- Model I/O：大模型的输入输出，包含提示词（Prompt）、任何大模型接口、结果解析器。
- Retrieval：涉及到数据集相关，主要包含文档提取器、文档转换器、向量数据库等，用于实现 RAG（检索增强生成）。
- Chains：允许将多个不同组件组合在一起使用，形成链条式调用，处理特定工作流。
- Memory：在大模型调用期间提供存储能力，保存对话历史或上下文状态。
- Agents：链式调用是硬编码的，而代理是由大模型根据实时情况来决定如何调用工具，具有更高的灵活性。
- Callbacks：大模型各个阶段的回调系统，对于日志记录、监控、流传输和其他任务非常有用。
Agent 核心原理
大模型一般只拥有他们被训练的知识，这种知识可能很快就会过时了，所以在推理的时候大模型与外界是处于'断开'状态的。为了克服这一限制，LangChain 在 Yao 等人于 2022 年 11 月提出的「推理和行动（ReAct）」框架上提出了'代理 (Agent)'的解决方案。此方案可以获取最新的数据，并将其作为上下文插入到提示中。Agent 也可以用来采取行动（例如，运行代码，修改文件等），然后该行动的结果可以被 LLM 观察到，并被纳入他们关于下一步行动的决定。
运行流程
运行大体流程为：1. 用户给出一个任务 (Prompt) -> 2. 思考 (Thought) -> 3. 行动 (Action) -> 4. 观察 (Observation)，然后循环执行上述 2-4 的流程，直到大模型认为找到最终答案为止。
Agent 内部具体拆解逻辑如下：
- Thought: 模型分析当前状态，决定下一步做什么。
- Action: 选择具体的工具并生成参数。
- Observation: 工具执行后返回结果，作为新的上下文输入给模型。
- Final Answer: 当模型认为信息足够时，输出最终结论。
实现步骤详解
使用 Agent 有两个必备条件：相关能力工具和对这些工具的正确描述。工具的命名和描述直接决定了大模型能否准确理解何时调用该工具。
定义工具
工具的定义只需要集成 BaseTool 类，然后在 _run 方法中编写你的逻辑就行，大模型会把合适的参数传进来。需要定义类变量有：
- name: 工具名称，很重要，大模型内部会使用到，需简洁明确。
- description: 工具描述，很重要，告知大模型在什么情况下来使用这个工具，描述越详细效果越好。
- return_direct: 这个字段默认为 false，如果设置为 true，工具返回结果后，大模型就不再循环思考了会直接将这个结果当做答案。
LangChain 已经内置了 duckduckgo 搜索引擎，pip install duckduckgo-search 安装一下依赖包即可使用。下面是我定义的两个工具，一个用于电影搜索，一个用于数学计算：
import re
from langchain.tools import BaseTool, DuckDuckGoSearchRun
# 搜索工具
class SearchTool(BaseTool):
name = "Search"
description = "当问电影相关问题时候，使用这个工具来搜索最新信息"
return_direct = False # 直接返回结果
def _run(self, query: str) -> str:
print("\n正在调用搜索引擎执行查询：" + query)
search = DuckDuckGoSearchRun()
return search.run(query)
# 计算工具
class CalculatorTool(BaseTool):
name = "Calculator"
description = "如果问数学相关问题时，使用这个工具进行精确计算"
return_direct = False # 直接返回结果
def _run(self, query: str) -> str:
try:
return eval(query)
except Exception as e:
return f"计算出错：{str(e)}"
定义结果解析类
每次大模型输出之后，都会对结果进行解析，如果找到 action 就会去调用。但是默认的解析类在某些情况下可能会报错，因此建议改写自定义解析器以确保稳定性。
from typing import Dict, Union, Any, List
from langchain.output_parsers.json import parse_json_markdown
from langchain.agents.conversational_chat.prompt import FORMAT_INSTRUCTIONS
from langchain.agents import AgentExecutor, AgentOutputParser
from langchain.schema import AgentAction, AgentFinish
class CustomOutputParser(AgentOutputParser):
def get_format_instructions(self) -> str:
return FORMAT_INSTRUCTIONS
def parse(self, text: str) -> Union[AgentAction, AgentFinish]:
print(text)
cleaned_output = text.strip()
# 定义匹配正则
action_pattern = r'"action":\s*"([^"]*)"'
action_input_pattern = r'"action_input":\s*"([^"]*)"'
# 提取出匹配到的 action 值
action = re.search(action_pattern, cleaned_output)
action_input = re.search(action_input_pattern, cleaned_output)
action_value = None
action_input_value = None
if action:
action_value = action.group(1)
if action_input:
action_input_value = action_input.group(1)
# 如果遇到'Final Answer'，则判断为本次提问的最终答案了
if action_value and action_input_value:
if action_value == "Final Answer":
return AgentFinish({"output": action_input_value}, text)
else:
return AgentAction(action_value, action_input_value, text)
# 如果声明的正则未匹配到，则用 json 格式进行匹配
response = parse_json_markdown(text)
action_value = response.get("action")
action_input_value = response.get("action_input")
if action_value == "Final Answer":
return AgentFinish({"output": action_input_value}, text)
else:
return AgentAction(action_value, action_input_value, text)
output_parser = CustomOutputParser()
初始化 Agent
如果你使用 ChatGPT 的话，这里需要配置 ChatGPT 的 api-key。也可以配置一些本地的开源大模型，比如 ChatGLM2-6B、Baichuan-13B 等，但是效果确实要比 ChatGPT 差很多，尤其是在复杂推理任务上。
from langchain.memory import ConversationBufferMemory
from langchain.agents.conversational_chat.base import ConversationalChatAgent
from langchain.agents import AgentExecutor, AgentOutputParser
from langchain.chat_models import ChatOpenAI
SYSTEM_MESSAGE_PREFIX = """尽可能用中文回答以下问题。您可以使用以下工具"""
# 初始化大模型实例，可以是本地部署的，也可是是 ChatGPT
# llm = ChatGLM(endpoint_url="http://你本地的实例地址")
llm = ChatOpenAI(openai_api_key="sk-xxx", model_name='gpt-3.5-turbo', request_timeout=60)
# 初始化工具
tools = [CalculatorTool(), SearchTool()]
# 初始化对话存储，保存上下文
memory = ConversationBufferMemory(memory_key="chat_history", return_messages=True)
# 配置 agent
chat_agent = ConversationalChatAgent.from_llm_and_tools(
system_message=SYSTEM_MESSAGE_PREFIX, # 指定提示词前缀
llm=llm, tools=tools, memory=memory,
verbose=True, # 是否打印调试日志，方便查看每个环节执行情况
output_parser=output_parser
)
agent = AgentExecutor.from_agent_and_tools(
agent=chat_agent, tools=tools, memory=memory, verbose=True,
max_iterations=3 # 设置大模型循环最大次数，防止无限循环
)
调用 Agent
调用就很简单了，执行 agent.run(prompt) 即可。日志已经完整的体现出了整个流程，大模型的确每次都匹配到了正确的 tool。如果还觉得日志不详细，可以设置 langchain.debug = True，这样会打印更详细日志。
总结与优化方向
可以这么理解 Agent，它让大模型变成了一个决策者。用户的问题首先由它去理解和拆分，它来从工具列表中找到觉得合适的工具，然后将用户的提问信息转化成结构化的数据，当成参数传递给工具函数。工具函数返回结果又交还给了大模型去观察分析，如果它觉得不是正确答案，那么继续这个循环直到得出它认为的正确答案。
它就像是一个优秀的项目经理，分解用户的问题，可能他不擅长完成某一项任务，但是他能找到合适专业的外部的人去完成子任务，最后他再汇总任务结果交付给用户。
后期大模型能力越来越强之后，还需要高成本的训练和微调大模型吗？Agent 模式提供了一种无需微调即可扩展能力的途径。
优点
- 框架层干预：对大模型的有更系统化的干预机制，方便集成外部工具和数据源。
- 能力拓展：拓展了大模型更多的能力，而且是不需要经过复杂且昂贵的训练过程。
- 规则自动化：不用再去写那些匹配场景的规则了，大模型已经帮你做了，前提是这个模型参数要够大，能理解用户的意思。
- 可观测性：整个流程都有详细的记录日志，方便调试和排查问题。
不足
- 响应延迟：大模型会被多次调用，响应用户的时间可能会比较久，因此相应产品也就会限制在一些特定领域。
- 黑盒逻辑：虽然不用写工具匹配规则，但是这也让这一块逻辑变成一个黑盒了，很难去精准的匹配或者调试。
- 模型依赖：对大模型本身能力要求很高，如果使用低参数大模型，很有可能无法识别问题并正确的分发给对应工具。
优化方向
当然还是有优化的方向的：比如可以考虑去使用语料专门往解析 action 方面训练，让模型能更好的解析出 action。此外，还可以引入缓存机制减少重复调用，或者设计更精细的工具描述模板来提升准确率。在实际生产环境中，建议结合人类反馈强化学习（RLHF）来持续优化 Agent 的行为策略。
通过合理设计和调优，LangChain Agent 能够显著提升智能应用的交互能力和实用性，是构建下一代 AI 应用的重要基石。
