電子報讀者募集中！歡迎 訂閱電子報！

崴寶帶你一步步學習如何利用 Python 和 LangChain 開發一個簡單但實用的 AI 助手。這個助手可以回答使用者的日期問題，也能進行簡單的數學運算。教學內容適合有基本 Python 基礎的讀者，讓你快速上手 AI 工具的實作。

崴寶 Weibert 教學目標：

• 建立一個支援日期查詢與數學運算的 AI 助手。
• 使用 LangChain Agents 的工具整合方式，讓助理可根據需求選擇合適的工具回答使用者問題。

Github Repository : weitsung50110/Huggingface_Langchain_kit

本文是使用到裡面的

• agents/langchain_agents_math.py 檔案。

成果展示

1. 告訴你今天的日期和星期幾。

2. 處理數學運算。

    root@4be643ba6a94:/app# python3 langchain_agents_math.py
   
    請輸入您的問題：今天是幾月幾號
   
    > Entering new AgentExecutor chain...
    我需要獲取今天的日期。
    Action: get today date(_)
    Action Input: 空白（這個工具不需要輸入我需要獲取今天的日期。
    Action: get today date(_)
    Action Input: 空白（這個工具不需要輸入
    Observation: 今天是 2024 年 11 月 27 日，星期Wed。
    Thought:現在我們知道了今天的日期。
    Final Answer: 今天是 2024 年 11 月 27 日，星期三。現在我們知道了今天的日期。
    Final Answer: 今天是 2024 年 11 月 27 日，星期三。
   
    > Finished chain.
   
    AI 助手的回答：
    今天是 2024 年 11 月 27 日，星期三。
    請輸入您的問題：幫我算出5的三次方是多少
   
   
    > Entering new AgentExecutor chain...
    我們需要使用 Python Calculator 來計算數學表達式。
    Action: Python Calculator
    Action Input: '5**3我們需要使用 Python Calculator 來計算數學表達式。
    Action: Python Calculator
    Action Input: '5**3
    Observation: 計算結果是: 125
    Thought:現在我已經知道了最終答案。
    Final Answer: 5的三次方等於125。現在我已經知道了最終答案。
    Final Answer: 5的三次方等於125。
   
    > Finished chain.
   
    AI 助手的回答：
    5的三次方等於125。
   

步驟一：環境準備與安裝依賴套件

在開始之前，請先確認已安裝以下工具與套件：

1. Python 版本（建議 3.8 以上）
2. 必要的 Python 套件：
   • langchain
   • datetime

---

步驟二：初始化 Ollama LLM 模型

LangChain 支援多種 LLM（大型語言模型），這裡我們使用 kenneth85/llama-3-taiwan:8b-instruct 模型，並透過回調機制實現輸出串流。

from langchain_community.llms import Ollama
from langchain.callbacks.manager import CallbackManager
from langchain.callbacks.streaming_stdout import StreamingStdOutCallbackHandler

llm = Ollama(
    model="kenneth85/llama-3-taiwan:8b-instruct",
    callback_manager=CallbackManager([StreamingStdOutCallbackHandler()])
)

---

步驟三：建立兩個工具（Tool）

我們將定義兩個功能工具：

1. 日期工具：回答今天的日期和星期幾。

    from datetime import datetime
   
    def get_today_date(_):
        """
        返回今天的日期和星期幾
        """
        return datetime.now().strftime("今天是 %Y 年 %m 月 %d 日，星期%a。")
   

2. 數學運算工具：處理簡單數學表達式。

    def calculate_math(expression):
        """
        計算數學表達式，添加預處理和檢查
        """
        try:
            # 清理輸入表達式
            expression = expression.strip().strip("'").strip('"')
            
            # 檢查表達式是否合法
            allowed_chars = "0123456789+-*/(). "
            if not all(char in allowed_chars for char in expression):
                return "數學表達式包含無效字符，請檢查輸入。"
            
            # 計算表達式
            result = eval(expression)
            return f"計算結果是: {result}"
        except Exception as e:
            return f"計算過程中發生錯誤: {e}"
   

---

步驟四：將工具轉換為 LangChain 的 Tool

LangChain 提供了 Tool 類別來封裝功能函式。
我們需要分別為日期工具和數學運算工具定義對應的 Tool 實例。

from langchain.agents import Tool

# 日期工具
get_today_date_tool = Tool(
    name="get today date(_)",
    func=get_today_date,
    description="回答今天的日期和星期幾。"
)

# 數學工具
math_tool = Tool(
    name="Python Calculator",
    func=calculate_math,
    description="可以計算數學表達式的工具。"
)

---

步驟五：定義自訂 Prompt 模板

為了讓 AI 更精確地選擇工具，我們需要定義一個 Prompt 模板。
這個模板將告訴 AI 具體有哪些工具可以使用，並鼓勵它選擇合適的工具解決問題。

from langchain_core.prompts import PromptTemplate

custom_prompt = PromptTemplate(
    input_variables=["input"],
    template="""\
你是一個智慧型 AI 助手，可以使用以下工具來完成任務：
- get today date(_): 回答今天是幾月幾號以及星期幾。
- Python Calculator: 計算數學表達式的工具。

請根據使用者的問題，選擇最適合的工具並提供準確、簡潔的回答。

使用者問題：{input}
"""
)

---

步驟六：整合工具與模型並初始化 Agent

完成工具和 Prompt 的定義後，我們可以利用 initialize_agent 函數將它們整合，
形成一個完整的 AI 助手。

from langchain.agents import initialize_agent

tools = [get_today_date_tool, math_tool]

agent = initialize_agent(
    tools=tools,
    llm=llm,
    agent="zero-shot-react-description",
    verbose=True,
    agent_prompt=custom_prompt,
    handle_parsing_errors=True
)

---

步驟七：實作主程式邏輯

最後，我們撰寫主程式，讓使用者能與這個 AI 助手進行互動。
該主程式將允許用戶輸入問題，並由 AI 助手根據需求選擇工具並回答。

if __name__ == "__main__":
    try:
        while True:
            user_query = input("請輸入您的問題：")
            if user_query.lower() in ["退出", "結束", "exit", "quit"]:
                print("感謝您的使用，再見！")
                break

            response = agent.run({"input": user_query})
            print("\nAI 助手的回答：")
            print(response)
    except Exception as e:
        print(f"執行時發生錯誤：{e}")

---

崴寶結語

現在，你的 AI 助手已經可以回答日期問題，也能進行數學運算。

如果想進一步擴展功能，可以考慮以下方向：

1. 添加更多工具，例如天氣查詢或翻譯功能。
2. 使用更強大的 LLM 模型，提升回答的準確性與多樣性。