LangChain 智能聊天代理系统

这是一个基于LangChain框架构建的高级智能聊天代理系统。该系统能够通过大语言模型与用户进行自然语言交互，并根据需要使用各种工具来辅助回答，包括网络搜索、文件操作、代码执行和数据库查询等多种功能。

项目结构

langchain-app/
│
├── main.py                # 主程序入口
├── sessions/              # 会话历史存储目录
├── src/                   # 源代码目录
│   ├── __init__.py        # 包初始化文件
│   ├── chat.py            # 交互式对话模块
│   ├── models/            # 语言模型相关模块
│   │   ├── __init__.py
│   │   └── llm.py         # 语言模型初始化和配置
│   ├── agents/            # 代理相关模块
│   │   ├── __init__.py
│   │   └── agent.py       # 代理创建和管理
│   ├── prompts/           # 提示词模板模块
│   │   ├── __init__.py
│   │   └── agent_prompts.py # 代理提示词模板
│   ├── tools/             # 工具函数模块
│   │   ├── __init__.py    # 工具导出
│   │   ├── base_tools.py  # 基础工具定义
│   │   ├── tavily_tools.py # 联网搜索工具
│   │   ├── duckduckgo_tools.py # DuckDuckGo搜索工具
│   │   ├── python_code_tools.py # Python代码执行工具
│   │   ├── file_tools.py  # 文件操作工具
│   │   ├── database_tools.py # 数据库操作工具
│   │   └── local_kb_tools.py # 本地知识库工具
│   └── utils/             # 工具函数模块
│       ├── __init__.py
│       ├── callbacks.py   # 回调处理器和日志
│       └── session.py     # 会话管理功能
└── README.md              # 项目说明文件

系统核心功能

1. 智能对话

   • 基于大语言模型的自然语言交互
   • 支持流式输出响应（打字机效果）
   • 上下文感知对话，保持对话连贯性

2. 工具集成

   • 网络搜索工具 - 支持Tavily和DuckDuckGo搜索引擎，获取实时信息
   • Python代码执行 - 动态生成和执行Python代码
   • 文件操作工具 - 读写文件、目录管理、文件信息获取等
   • 数据库工具 - SQL查询执行、表结构获取、AI辅助数据库查询
   • 知识库工具 - 本地知识库检索、网站内容添加到知识库

3. 会话管理系统

   • 自动保存对话历史，支持JSON格式持久化
   • 会话恢复功能，可从之前的对话继续
   • 查看历史记录命令，支持模糊匹配
   • 多会话管理，可在不同会话间切换

4. 系统功能

   • 日志记录和错误处理
   • 可扩展的插件化架构
   • 内置防止无限循环的安全机制

环境要求

• Python 3.8+
• 依赖库:
  • langchain
  • langchain_openai
  • langchain_community
  • tavily-python
  • duckduckgo-search (可选)
  • beautifulsoup4 (用于网页内容处理)
  • sqlite3 (数据库操作)
  • datetime, json, os, re等标准库

安装与配置

1. 克隆代码库:

   git clone <repository-url> langchain-app
   cd langchain-app

2. 安装依赖:

   pip install -r requirements.txt

3. 环境变量配置:

   • 创建.env文件并添加以下内容:

   OPENAI_API_KEY=your_openai_api_key
   TAVILY_API_KEY=your_tavily_api_key
   

如何使用

1. 启动程序:

   python main.py

2. 会话管理:

   • 启动时，系统会检查是否有保存的会话
   • 可选择恢复之前的会话或创建新会话
   • 聊天历史会自动保存到sessions目录

3. 对话命令:

   • history - 查看当前会话的历史对话记录（支持拼写错误，如histroy）
   • exit, quit, q, 退出 - 退出程序

4. 使用工具示例:

   • 搜索信息："请帮我查一下今天的国际新闻"
   • 代码执行："帮我写一个计算斐波那契数列的Python函数"
   • 文件操作："列出当前目录下的所有文件"
   • 数据库查询："查询用户表中年龄大于30的用户"
   • 知识库访问："在我的知识库中查找关于人工智能的信息"

扩展开发

添加新工具

1. 在src/tools/目录下创建新的工具文件
2. 使用@tool装饰器定义工具函数:

from langchain.tools import Tool, tool

@tool(description="工具功能描述")
def new_tool(parameter: str) -> str:
    """新工具的功能描述"""
    # 工具实现逻辑
    return f"工具结果: {parameter}"

3. 在src/tools/__init__.py中导出新工具
4. 在src/agents/agent.py中将新工具添加到工具列表中

修改代理提示词

1. 在src/prompts/agent_prompts.py中定义新的提示词模板
2. 更新get_agent_prompt函数返回新的提示词

高级特性

知识库管理

系统支持本地知识库，可以添加和检索文档:

# 添加网站到知识库
add_website_to_knowledge_base.invoke({"url": "https://example.com"})

# 从知识库检索信息
result = retrieve_from_knowledge_base.invoke({"query": "查询内容"})

数据库操作

系统支持SQL数据库查询和AI辅助的数据库操作:

# 获取数据库表结构
table_info = get_table_structure.invoke({"table_name": "users"})

# AI辅助数据库查询
result = ai_query_database.invoke({
    "question": "有多少用户的年龄超过30岁？"
})

常见问题

1. Q: 如何更改语言模型?
   A: 在src/models/llm.py中修改initialize_model函数。

2. Q: 会话数据存储在哪里?
   A: 会话数据以JSON格式存储在sessions目录中。

3. Q: 如何添加自定义知识库?
   A: 使用local_kb_tools.py中的工具函数添加文档到知识库。

4. Q: 如何限制代理的工具使用?
   A: 在src/agents/agent.py中的create_agent函数中修改工具列表。

5. Q: 为什么列出目录内容时要使用"./"而不是"."?
   A: 当使用list_directory工具列出当前目录内容时，请优先使用"./"而非单独的"."。在某些环境中，使用单独的点号作为当前目录可能无法被正确识别。系统已进行优化，将自动把"."转换为"./"以确保兼容性。

开发路线图

• 支持更多语言模型
• 添加Web界面
• 增加多用户支持
• 引入语音交互
• 添加图像处理能力

许可证

本项目使用MIT许可证 - 详情见LICENSE文件