写在前面
最近在研究LangChain，简单介绍一下，就是python的一个库，它可以让你的自然语音转为对大模型的任务指令，让它去执行。本质上是将你说的话，将代码构造成各种各样的提示词，从而实现让大模型做知识问答、文档总结、任务拆解甚至是工具调用等一系列操作。这一套框架设计还是很值得去研究学习的。
而对我来说，最有价值的就是通过它创造一个可以帮助你做事情的助手。这篇文章就是想简单分享一下可以打造一个AI助手的技术。
附上github链接
Agent类型
LangChain中有一个Agent的概念，就是通过创建一个Agent来去将任务拆解为Chain（链）的形式，帮你去进行工具调用，执行任务。
其中有一个Agent的类型为Structured input ReAct， 该类型是一个支持多输入的工具的类型，可以针对拆解出的任务逐步调用不同的工具完成一个复杂的任务，本篇文章就介绍一下它的使用
示例
下面来看一段示例代码，这里用的大模型是ChatGPT
python
import asyncio
import os
from langchain.agents import AgentType
from langchain.chat_models import ChatOpenAI
from langchain.agents import initialize_agent
# 提供好的浏览器自动化工具
from langchain.agents.agent_toolkits import PlayWrightBrowserToolkit
from langchain.tools.playwright.utils import (
create_async_playwright_browser,
create_sync_playwright_browser
)
import nest_asyncio
from settings import API_KEY, BASE_ADDRESS
nest_asyncio.apply()
os.environ["LANGCHAIN_TRACING"] = "true"
async_browser = create_async_playwright_browser(headless=False)
browser_toolkit = PlayWrightBrowserToolkit.from_browser(async_browser=async_browser)
tools = browser_toolkit.get_tools()
llm = ChatOpenAI(model_name="gpt-3.5-turbo-0613", temperature=0, openai_api_key=API_KEY, openai_api_base=BASE_ADDRESS)
# 初始化一个Structured类型的Agent
agent_chain = initialize_agent(tools, llm, agent=AgentType.STRUCTURED_CHAT_ZERO_SHOT_REACT_DESCRIPTION, verbose=True)
async def run():
response = await agent_chain.arun(input="打开百度，并看一下网页标题")
print(response)
if __name__ == '__main__':
asyncio.run(run())这是一个调用浏览器自动化的例子
我给出的任务是：打开百度，并看一下网页标题。很明显，这是一个复杂任务（多操作的任务）。
第一步：访问www.baidu.com
第二部：通过element选择器提取标签的网站名
由于我们在例子中设置了verbose=True，这样就可以让我们清晰的看到调用过程
图中我们可以看到，调用过程也确实如一开始所说做任务拆解
先通过navigate_browser工具，传入url参数，来去访问百度
随后通过get_elements工具，传入selector参数，提取title标签内容
示例中没有体现出多输入的概念，但是我们可以看一下其中一个工具的源码，确实是多参数的输入的。
写在后面
我也尝试过通过与大模型对话的方式，固定它的返回格式，同时规范它的参数输入设置，仅凭对话是可以实现的，这仅仅是大模型工具调用的能力可行性验证。然而Langchian能让这个逻辑框架化，这一点确实太牛了，值得深入研究。