在 LangChain 中，如何使用 AgentExecutor 替代已被禁用的 initialize

在 langchain 中，如何使用 agentexecutor 替代已被禁用的 initialize_agent 函数？

LangChain 中 `initialize_agent` 函数的替代方案：使用 `AgentExecutor`

LangChain 的 initialize_agent 函数已被弃用，推荐使用更灵活的 AgentExecutor 类来初始化和运行代理。 AgentExecutor 提供了更精细的控制和定制选项。下面是使用 AgentExecutor 的步骤：

1. 导入必要的模块:

from langchain.agents import AgentExecutor
from langchain.agents.tools import Tool

2. 定义工具 (Tools):

代理需要一系列工具来完成任务。这些工具可以是函数、API 调用或其他可执行单元。例如：

def search_tool(query):
    #  此处实现你的搜索逻辑，例如使用 SerpAPI 或其他搜索引擎
    #  ...
    return "搜索结果"

tools = [
    Tool(
        name="Search",
        func=search_tool,
        description="用于搜索信息的工具，输入查询关键词。"
    )
]

3. 创建代理 (Agent):

Keeva AI

AI一键生成数字人营销视频

下载

选择合适的代理类型，例如 ZeroShotAgent 或其他。以下示例使用 ZeroShotAgent：

from langchain.agents import ZeroShotAgent
from langchain import LLMChain, SerpAPIWrapper  # 替换为你的LLM和搜索工具

#  替换为你的LLM
llm = ... 

search = SerpAPIWrapper() # 或其他搜索工具
tools = [
    Tool(
        name="Calculator",
        func=lambda x: str(eval(x)), #简单的计算器示例，实际应用中需更完善的处理
        description="用于进行简单数学计算的工具，输入数学表达式。"
    ),
    Tool(
        name="Search",
        func=search.run,
        description="用于搜索信息的工具，输入查询关键词。"
    )
]

prompt = ZeroShotAgent.create_prompt(
    tools,
    prefix="请根据以下工具回答问题：",
    suffix="开始！"
)

llm_chain = LLMChain(llm=llm, prompt=prompt)
agent = ZeroShotAgent(llm_chain=llm_chain, tools=tools)

4. 初始化并使用 AgentExecutor:

agent_executor = AgentExecutor.from_agent_and_tools(agent=agent, tools=tools, verbose=True)

response = agent_executor.run("东京的人口是多少？")
print(response)

通过以上步骤，你便可以使用 AgentExecutor 来替代被禁用的 initialize_agent 函数，并更有效地管理和运行你的 LangChain 代理。记住替换示例代码中的占位符 (...) 为你实际使用的 LLM 和工具。 verbose=True 将打印代理的推理过程，方便调试。