构建LangChain应用程序的示例代码:33、如何在LangChain框架中使用HumanInputChatModel来模拟人工输入的聊天模型教程

发布于:2024-06-17 ⋅ 阅读:(144) ⋅ 点赞:(0)

除了HumanInputLLM,LangChain还提供了一个伪聊天模型类,可以用于测试、调试或教育目的。这允许您模拟对聊天模型的调用,并模拟如果人类接收到这些消息会如何响应。

在这篇笔记中,我们将介绍如何使用这个模型。

我们首先在代理中使用HumanInputChatModel

from langchain_community.chat_models.human import HumanInputChatModel

由于我们将在这篇笔记中使用WikipediaQueryRun工具,如果您还没有安装wikipedia包,您可能需要安装它。

%pip install wikipedia
from langchain.agents import AgentType, initialize_agent, load_tools
# 加载工具列表,这里我们只加载了wikipedia工具
tools = load_tools(["wikipedia"])

# 创建HumanInputChatModel实例,模拟人工输入的聊天模型
llm = HumanInputChatModel()

# 初始化代理,使用CHAT_ZERO_SHOT_REACT_DESCRIPTION类型的代理,verbose=True表示打印详细信息
agent = initialize_agent(
    tools, llm, agent=AgentType.CHAT_ZERO_SHOT_REACT_DESCRIPTION, verbose=True
)

# 使用代理来回答问题"What is Bocchi the Rock?"
agent("What is Bocchi the Rock?")

总结

本文介绍了如何在LangChain框架中使用HumanInputChatModel来模拟人工输入的聊天模型。通过这种方式,可以方便地进行测试、调试或教育演示,而无需实际调用外部的聊天模型。文中还展示了如何加载工具和初始化代理,以及如何使用代理来回答问题。

扩展知识点

  • LangChain: 一个用于构建AI助手和自动化代理的框架,支持多种工具和模型的集成。
  • HumanInputChatModel: 一个模拟人类输入的聊天模型,可以用于测试和教育目的。
  • AgentType.CHAT_ZERO_SHOT_REACT_DESCRIPTION: 一种代理类型,用于即时响应聊天描述性任务,无需事先的训练或配置。
  • WikipediaQueryRun: 一个工具,用于从Wikipedia查询信息并返回结果。
  • pip: Python的包管理工具,用于安装和管理Python库。