HumanInputLLM的模拟使用
类似于假的语言模型（LLM），LangChain 提供了一个伪语言模型类，可以用于测试、调试或教育目的。这允许你模拟对LLM的调用，并模拟如果人类接收到提示会如何响应。
在本示例中，我们将介绍如何使用这个功能。
我们首先在代理中使用HumanInputLLM。
from langchain_community.llms.human import HumanInputLLM
from langchain.agents import AgentType, initialize_agent, load_tools
# 由于我们将在这个笔记本中使用WikipediaQueryRun工具，如果你还没有安装wikipedia包，可能需要先安装。
%pip install wikipedia
# 加载工具
tools = load_tools(["wikipedia"])
# 初始化HumanInputLLM，使用lambda函数打印提示
llm = HumanInputLLM(
prompt_func=lambda prompt: print(
f"\n===PROMPT====\n{prompt}\n=====END OF PROMPT======"
)
)
# 初始化代理，使用加载的工具和语言模型
agent = initialize_agent(
tools, llm, agent=AgentType.ZERO_SHOT_REACT_DESCRIPTION, verbose=True
)
# 运行代理，查询"What is 'Bocchi the Rock!'?"
agent.run("What is 'Bocchi the Rock!'?")
总结：
本文介绍了如何使用LangChain社区的HumanInputLLM类来模拟人类输入，以便于在不调用真实语言模型的情况下测试和调试。通过定义一个简单的提示打印函数，我们能够模拟语言模型接收到的输入，并观察代理如何处理这些输入。
扩展知识：
- LangChain：是一个开源的库，用于构建和使用语言模型的应用程序。
- LLM（Language Model）：语言模型，通常指的是预训练的深度学习模型，能够生成或理解自然语言文本。
- AgentType.ZERO_SHOT_REACT_DESCRIPTION：代理类型，指的是在没有经过特定任务训练的情况下，能够根据描述立即执行任务的代理。
- wikipedia包：一个Python包，用于访问维基百科的API，获取维基百科页面的内容。