Error in user YAML: (<unknown>): could not find expected ':' while scanning a simple key at line 3 column 1

---
- oeasy Python 0785
- 这是 oeasy 系统化 Python 教程，从基础一步步讲，扎实、完整、不跳步。愿意花时间学，就能真正学会。
本教程同步发布在： 

     个人网站： `https://oeasy.org` 
     蓝桥云课： `https://www.lanqiao.cn/courses/3584` 
     GitHub： `https://github.com/overmind1980/oeasy-python-tutorial` 
     Gitee： `https://gitee.com/overmind1980/oeasypython` 
---

文生图模型调用

回忆

上次我们让智能体
- 知道日期和时间
- 甚至使用起终端工具

如何让智能体
- 更好地使用终端工具呢？🤔

原始代码

from openai import OpenAI

client = OpenAI(
    base_url='https://api-inference.modelscope.cn/v1',    api_key='ms-d1466c43-1d17-4b0a-9198-4d6eb9b1c40c', # ModelScope Token
)

response = client.chat.completions.create(
    model='Qwen/Qwen3-Next-80B-A3B-Instruct', # ModelScope Model-Id
    messages=[
        {
            'role': 'system',
            'content': '你是智能助手'
        },
        {
            'role': 'user',
            'content': input("我:")
        }
    ],
    stream=True
)

for chunk in response:
    print(chunk.choices[0].delta.content, end='', flush=True)

运行结果

如何让大模型用子进程方式
- 查询到当前时间？

目标

让大模型 能够执行终端命令 并将结果 作为上下文返回
这需要添加 subprocess 模块 来执行命令
并修改系统提示词 让模型知道 它可以使用命令

新代码

from openai import OpenAI
import subprocess
import re
import json

client = OpenAI(
    base_url='https://api-inference.modelscope.cn/v1',    api_key='ms-d1466c43-1d17-4b0a-9198-4d6eb9b1c40c', # ModelScope Token
)

def execute_command(command):
    """执行终端命令并返回结果"""
    try:
        result = subprocess.run(command, shell=True, capture_output=True, text=True, timeout=30)
        if result.returncode == 0:
            return f"命令执行成功:\n{result.stdout}"
        else:
            return f"命令执行失败 (返回码: {result.returncode}):\n{result.stderr}"
    except subprocess.TimeoutExpired:
        return "命令执行超时 (30秒)"
    except Exception as e:
        return f"命令执行出错: {str(e)}"

def parse_and_execute_commands(text):
    """解析文本中的命令标记并执行"""
    # 查找 [COMMAND: xxx] 格式的命令
    command_pattern = r'\[COMMAND:\s*([^\]]+)\]'
    commands = re.findall(command_pattern, text)
    
    results = []
    for cmd in commands:
        cmd = cmd.strip()
        print(f"\n执行命令: {cmd}")
        result = execute_command(cmd)
        results.append(f"命令: {cmd}\n结果: {result}")
        print(f"结果: {result}")
    
    return results

def chat_with_commands():
    """支持命令执行的对话循环"""
    messages = [
        {
            'role': 'system',
            'content': '''你是一个有用的助手，可以执行终端命令来获取系统信息。
            
当你需要执行命令时，请使用以下格式：
[COMMAND: 命令内容]

例如：
- [COMMAND: date] - 获取当前时间
- [COMMAND: ls -la] - 列出文件
- [COMMAND: pwd] - 获取当前目录
- [COMMAND: whoami] - 获取当前用户
- [COMMAND: uname -a] - 获取系统信息

命令会被自动执行，结果会作为上下文提供给你。请根据命令结果给出更准确的回答。'''
        }
    ]
    
    while True:
        user_input = input("\n用户: ")
        if user_input.lower() in ['quit', 'exit', '退出']:
            break
            
        messages.append({
            'role': 'user',
            'content': user_input
        })
        
        print("\n助手: ", end='', flush=True)
        
        response = client.chat.completions.create(
            model='Qwen/Qwen3-Next-80B-A3B-Instruct',
            messages=messages,
            stream=True
        )
        
        assistant_response = ""
        for chunk in response:
            if chunk.choices[0].delta.content:
                content = chunk.choices[0].delta.content
                print(content, end='', flush=True)
                assistant_response += content
        
        # 检查回复中是否包含命令
        command_results = parse_and_execute_commands(assistant_response)
        
        # 如果有命令执行结果，将其添加到上下文中
        if command_results:
            context_message = "\n\n命令执行结果:\n" + "\n\n".join(command_results)
            messages.append({
                'role': 'assistant',
                'content': assistant_response
            })
            messages.append({
                'role': 'user',
                'content': f"以下是命令执行结果，请根据这些信息继续回答：{context_message}"
            })
            
            print("\n\n基于命令结果的补充回答: ", end='', flush=True)
            
            # 基于命令结果生成补充回答
            response = client.chat.completions.create(
                model='Qwen/Qwen3-Next-80B-A3B-Instruct',
                messages=messages,
                stream=True
            )
            
            final_response = ""
            for chunk in response:
                if chunk.choices[0].delta.content:
                    content = chunk.choices[0].delta.content
                    print(content, end='', flush=True)
                    final_response += content
            
            messages.append({
                'role': 'assistant',
                'content': final_response
            })
        else:
            messages.append({
                'role': 'assistant',
                'content': assistant_response
            })

if __name__ == "__main__":
    print("智能助手已启动！可以使用终端命令获取系统信息。")
    print("输入 'quit' 或 'exit' 退出程序。")
    chat_with_commands()

运行结果

代码是如何实现的呢？

代码分析

大模型的系统设定是
- 如果发现需要命令
- 就执行以下命令
大模型从此明确知道
- 自己可以使用命令

并给出命令例子
- 明确系统为类unix
- 可以充分利用模型推理能力
- 生成命令获得信息

提问

检查是否需要执行命令
1. 如果需要就去执行
2. 执行结果作为上下文交给大模型
3. 大模型收到执行结果
4. 大模型给出最终回复

具体例子

把上下文输出

from openai import OpenAI
import subprocess
import re
import json

client = OpenAI(
    base_url='https://api-inference.modelscope.cn/v1',    api_key='ms-d1466c43-1d17-4b0a-9198-4d6eb9b1c40c', # ModelScope Token
)

def execute_command(command):
    """执行终端命令并返回结果"""
    try:
        result = subprocess.run(command, shell=True, capture_output=True, text=True, timeout=30)
        if result.returncode == 0:
            return f"命令执行成功:\n{result.stdout}"
        else:
            return f"命令执行失败 (返回码: {result.returncode}):\n{result.stderr}"
    except subprocess.TimeoutExpired:
        return "命令执行超时 (30秒)"
    except Exception as e:
        return f"命令执行出错: {str(e)}"

def parse_and_execute_commands(text):
    """解析文本中的命令标记并执行"""
    # 查找 [COMMAND: xxx] 格式的命令
    command_pattern = r'\[COMMAND:\s*([^\]]+)\]'
    commands = re.findall(command_pattern, text)

    results = []
    for cmd in commands:
        cmd = cmd.strip()
        print(f"\n执行命令: {cmd}")
        result = execute_command(cmd)
        results.append(f"命令: {cmd}\n结果: {result}")
        print(f"结果: {result}")

    return results

def chat_with_commands():
    """支持命令执行的对话循环"""
    messages = [
        {
            'role': 'system',
            'content': '''你是一个有用的助手，可以执行终端命令来获取系统信息。

当你需要执行命令时，请使用以下格式：
[COMMAND: 命令内容]

例如：
- [COMMAND: date] - 获取当前时间
- [COMMAND: ls -la] - 列出文件
- [COMMAND: pwd] - 获取当前目录
- [COMMAND: whoami] - 获取当前用户
- [COMMAND: uname -a] - 获取系统信息

命令会被自动执行，结果会作为上下文提供给你。请根据命令结果给出更准确的回答。'''
        }
    ]

    while True:
        user_input = input("\n用户: ")
        if user_input.lower() in ['quit', 'exit', '退出']:
            break

        messages.append({
            'role': 'user',
            'content': user_input
        })

        print("\n助手: ", end='', flush=True)
        print("=====Message=====")
        print(messages)


        response = client.chat.completions.create(
            model='Qwen/Qwen3-Next-80B-A3B-Instruct',
            messages=messages,
            stream=True
        )

        assistant_response = ""
        for chunk in response:
            if chunk.choices[0].delta.content:
                content = chunk.choices[0].delta.content
                print(content, end='', flush=True)
                assistant_response += content

        # 检查回复中是否包含命令
        command_results = parse_and_execute_commands(assistant_response)

        # 如果有命令执行结果，将其添加到上下文中
        if command_results:
            context_message = "\n\n命令执行结果:\n" + "\n\n".join(command_results)
            messages.append({
                'role': 'assistant',
                'content': assistant_response
            })
            messages.append({
                'role': 'user',
                'content': f"以下是命令执行结果，请根据这些信息继续回答：{context_message}"
            })

            print("\n\n基于命令结果的补充回答: ", end='', flush=True)

            # 基于命令结果生成补充回答
            response = client.chat.completions.create(
                model='Qwen/Qwen3-Next-80B-A3B-Instruct',
                messages=messages,
                stream=True
            )

            final_response = ""
            for chunk in response:
                if chunk.choices[0].delta.content:
                    content = chunk.choices[0].delta.content
                    print(content, end='', flush=True)
                    final_response += content

            messages.append({
                'role': 'assistant',
                'content': final_response
            })
        else:
            messages.append({
                'role': 'assistant',
                'content': assistant_response
            })

if __name__ == "__main__":
    print("智能助手已启动！可以使用终端命令获取系统信息。")
    print("输入 'quit' 或 'exit' 退出程序。")
    chat_with_commands()

输出结果

上下文包括
1. 大模型系统设定
2. 用户文几点啦？
3. 大模型使用工具
4. 用户告知大模型时间
大模型根据这些
- 得到当前时间

还可以使用什么别的系统命令吗？

再次提问

过程
1. 系统设定
2. python 调用了大模型
3. 大模型使用了 ls -al
4. 用户返回了目录结构
5. 大模型综合上下文后回答

结果

回答里面给出了当前文件夹中的文件

大模型竟然建议我删除隐藏文件？！

震惊🤯

例子里面并没有删除功能

他能删除吗？

确认

我确认之后
- 大模型真的帮我删除了

删除之后还确认

ls -la

我感到震惊！

逻辑乱了

究竟
1. 是在系统中调用了大模型？
2. 还是在模型中执行了系统命令？

还是两者都有？

两者都有

大模型根据
1. system的中例子
2. 训练数据中关于shell命令
3. 推理得到需要执行的命令
4. 运行命令然后进行反馈
5. 根据反馈再进行回答

我们再试试

关于系统

新建会话

大模型运行了命令

uname -a

最终回复

并提出建议命令

执行

我说执行这个命令

得到了新的上下文

新回答

根据新的上下文
- 大模型给出了新的回答！

以及新的行动建议！👍

总结

这次我们让智能体使用起终端工具
- 由于大模型能力很强
- 用起来得心应手
我有一个大胆的想法：
- 以后就只靠说话
- 就控制系统文件操作了？🤔

可行吗？🤔
下次再说👋

本文来自 oeasy Python 系统教程。
想完整、扎实学 Python，
搜索 oeasy 即可。

Provide feedback

Saved searches

Use saved searches to filter your results more quickly

文生图模型调用

回忆

原始代码

目标

运行结果

代码分析

提问

具体例子

输出结果

再次提问

结果

震惊🤯

确认

逻辑乱了

两者都有

关于系统

最终回复

执行

新回答

总结

FilesExpand file tree

0785.md

Latest commit

History

0785.md

File metadata and controls

文生图模型调用

回忆

原始代码

目标

运行结果

代码分析

提问

具体例子

输出结果

再次提问

结果

震惊🤯

确认

逻辑乱了

两者都有

关于系统

最终回复

执行

新回答

总结