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。