LangChain - 如何使用阿里云百炼平台的Qwen-plus模型构建一个桌面文件查询AI助手 - 超详细

该文章，将使用阿里云百炼平台的Qwen-plus模型作为llm模型。

所以在进行后面代码编写之前要申请百炼大模型平台的api-key。

获取参考：如何获取API Key_大模型服务平台百炼(Model Studio)-阿里云帮助中心

获取key后，我们可以编写一个.env文件来储存

bash 复制代码

#阿里云百炼平台
DASHSCOPE_API_KEY="sk-xxxxxxxxxxxxxxxxxxxxx"
DASHSCOPE_BASE_URL="https://dashscope.aliyuncs.com/compatible-mode/v1"

然后我们就可以开始编写我们的代码了。

首先需要对第三方库的引入：

python 复制代码

import dotenv
import os
from langchain_core.tools import tool
from langchain_core.prompts import ChatPromptTemplate
from langchain_openai import ChatOpenAI

然后我们需要通过dotenv和os库来获取我们配置在env的密钥和url：

python 复制代码

dotenv.load_dotenv()
DASHSCOPE_API_KEY = os.getenv("DASHSCOPE_API_KEY")
DASHSCOPE_BASE_URL = os.getenv("DASHSCOPE_BASE_URL")

# 禁用 LangSmith
os.environ["LANGCHAIN_TRACING_V2"] = "false"
os.environ["LANGCHAIN_API_KEY"] = ""

加载 .env 文件中的环境变量
获取阿里百炼的 API 配置
禁用 LangSmith 追踪（避免因为没有配置LangSmith密钥的 403 错误，防止影响观感）

然后进行工具函数定义：

python 复制代码

@tool
def search_Desktop_app() -> str:
    """获取桌面文件和文件夹名称信息"""
    try:
        # 使用用户指定的桌面路径
        desktop_path = r"D:\System\Desktop"
        
        # 检查桌面路径是否存在
        if not os.path.exists(desktop_path):
            return f"桌面路径不存在：{desktop_path}"
        
        # 获取桌面上的文件和文件夹
        items = []
        for item in os.listdir(desktop_path):
            item_path = os.path.join(desktop_path, item)
            if os.path.isfile(item_path):
                items.append(f"📄 {item}")
            elif os.path.isdir(item_path):
                items.append(f"📁 {item}")
            else:
                items.append(f"❓ {item}")
        
        # 返回格式化的结果
        if not items:
            return f"桌面 {desktop_path} 是空的"
        
        result = f"桌面路径：{desktop_path}\n文件列表：\n" + "\n".join(items)
        result += f"\n总计：{len(items)} 个项目"
        
        return result
        
    except Exception as e:
        return f"获取桌面文件时出错：{str(e)}"

tools = [search_Desktop_app]

由于我的桌面在D盘，你们使用的时候要切换为自己的桌面路径。

tools = [search_Desktop_app]

将我们编写的方法储存在tools数组中，一会儿用于配置到agent中。

AI-agent配置：

python 复制代码

# 构建LLM
llm = ChatOpenAI(
    openai_api_key=DASHSCOPE_API_KEY,
    openai_api_base=DASHSCOPE_BASE_URL,
    model="qwen-plus",
    temperature=0.1,
    max_tokens=4096,
)

prompt = ChatPromptTemplate.from_messages([
    (
        "system",
        "你是一个AI助手。如果用户提到桌面文件或文件夹，你可以使用工具获取相关信息。请直接给出简洁的回答，不要显示思考过程。",
    ),
    ("human", "{input}"),
])

现在我们就可以编写主要逻辑-main函数：

python 复制代码

def main():
    print("应用开始执行。\n")
    while True:
        user_question = input("请输入您的问题：")
        if user_question.lower() in ['quit', 'exit']:
            print("👋 再见！")
            break
        try:
            # 绑定工具并调用
            chain = prompt | llm.bind_tools(tools)
            response = chain.invoke({"input": user_question})
            # 处理工具调用
            if hasattr(response, 'tool_calls') and response.tool_calls:
                # 执行工具调用
                tool_call = response.tool_calls[0]
                if tool_call["name"] == "search_Desktop_app":
                    tool_result = search_Desktop_app(tool_call["args"])
                    # 再次调用获取最终回答
                    final_response = chain.invoke({
                        "input": f"{user_question}。根据工具返回：{tool_result}，请直接回答。"
                    })
                    print(final_response.content)
                else:
                    print(f"未知工具调用：{tool_call['name']}")
            else:
                # 直接打印普通回答
                print(response.content)
        except Exception as e:
            print(f"处理问题时出错：{str(e)}")

if __name__ == "__main__":
    main()
    debug = True

智能工具调用：
如果用户询问桌面相关问题，AI 会自动调用 search_Desktop_app 工具
获取桌面信息后，再次调用 AI 生成基于实际数据的回答
异常处理：捕获并显示运行时的错误信息

最后我们就可以启动我们的文件:

bash 复制代码

python 文件名.py

我们的终端这时会出现：

输入问题来观察是否可以正确回复：

可以看见可以正确的回复！希望可以帮到你们。希望可以得到你们的收藏。谢谢！