AI Agent技术完整指南 第四部分：实战项目

第四部分：实战项目

12. [第十一章：电影解说AI Agent实战](#第十一章：电影解说AI Agent实战)

第十一章：电影解说AI Agent实战

11.1 项目概述

11.1.1 项目目标

本项目构建一个电影解说AI Agent，能够：

• 接收电影名称或相关信息
• 搜索电影详细信息（剧情、演员、评分等）
• 生成专业的电影解说文案
• 支持多轮对话，回答关于电影的各类问题

11.1.2 技术栈

电影解说Agent
LangChain Agent
DeepSeek/OpenAI LLM
电影搜索工具
记忆系统

11.2 系统架构设计

11.2.1 架构流程图

记忆系统 电影搜索工具 GPT-4 电影解说Agent 用户 记忆系统 电影搜索工具 GPT-4 电影解说Agent 用户 "请解说《肖申克的救赎》" 分析用户意图 需要搜索电影信息 搜索电影详情 返回电影信息 生成解说文案 返回解说内容 保存对话历史 返回电影解说 "这部电影的导演是谁？" 获取对话历史 返回历史信息 基于历史回答问题 返回答案 "导演是弗兰克·德拉邦特"

11.2.2 核心组件

组件	功能	实现方式
Agent核心	任务编排和决策	LangChain Agent
LLM引擎	理解和生成	GPT-4
搜索工具	获取电影信息	自定义Tool
记忆系统	保存对话历史	ConversationBufferMemory
Prompt模板	指导生成风格	专业电影解说Prompt

11.3 核心Prompt设计

11.3.1 系统Prompt

MOVIE_COMMENTATOR_SYSTEM_PROMPT = """
你是一位专业的电影解说员，具有以下特点：

1. **专业素养**
   - 对电影艺术有深入理解
   - 熟悉各种电影类型和风格
   - 能够分析电影的深层含义

2. **解说风格**
   - 语言生动有趣，引人入胜
   - 结构清晰，逻辑严密
   - 既有专业分析，又通俗易懂

3. **内容要求**
   - 介绍电影基本信息（导演、演员、类型等）
   - 概述剧情（避免剧透关键情节）
   - 分析电影主题和艺术特色
   - 评价电影的艺术价值和观赏价值

4. **交互方式**
   - 回答用户关于电影的各种问题
   - 基于对话历史提供连贯的回答
   - 如果信息不足，主动使用搜索工具获取信息

请始终以专业、友好、生动的语调与用户交流。
"""

11.3.2 电影搜索Prompt

MOVIE_SEARCH_PROMPT = """
请搜索以下电影的信息：
电影名称：{movie_name}

需要获取的信息：
1. 基本信息：导演、主演、上映时间、类型
2. 剧情简介
3. 评分和评价
4. 获奖情况（如有）
5. 其他重要信息

请返回结构化的电影信息。
"""

11.4 工具设计

11.4.1 电影搜索工具

def search_movie_info(movie_name: str) -> str:
    """
    搜索电影信息
    
    注意：这是一个示例实现，实际项目中可以：
    1. 调用电影API（如TMDB API）
    2. 使用网络搜索
    3. 查询本地电影数据库
    """
    # 示例电影数据库（实际应使用真实API）
    movie_database = {
        "肖申克的救赎": {
            "导演": "弗兰克·德拉邦特",
            "主演": "蒂姆·罗宾斯、摩根·弗里曼",
            "上映时间": "1994年",
            "类型": "剧情、犯罪",
            "评分": "9.7分（豆瓣）",
            "剧情": "银行家安迪因被误判谋杀而入狱，在肖申克监狱中..."
        },
        # 可以添加更多电影
    }
    
    movie_name_clean = movie_name.strip().replace("《", "").replace("》", "")
    
    if movie_name_clean in movie_database:
        info = movie_database[movie_name_clean]
        return f"""
电影名称：{movie_name_clean}
导演：{info['导演']}
主演：{info['主演']}
上映时间：{info['上映时间']}
类型：{info['类型']}
评分：{info['评分']}
剧情简介：{info['剧情']}
"""
    else:
        return f"抱歉，未找到电影《{movie_name_clean}》的详细信息。请确认电影名称是否正确。"

11.5 完整实现代码

11.5.1 电影解说Agent类

import os
import sys
from typing import Optional

# 兼容新旧版本的LangChain导入
NEW_API = False
ChatOpenAI = None
AgentExecutor = None
create_openai_tools_agent = None
Tool = None
ConversationBufferMemory = None
MessagesPlaceholder = None
ChatPromptTemplate = None
SystemMessagePromptTemplate = None
HumanMessagePromptTemplate = None
initialize_agent = None
AgentType = None
SystemMessage = None

# 尝试导入新版本LangChain (>=0.1.0)
try:
    from langchain_openai import ChatOpenAI
    from langchain.agents import AgentExecutor, create_openai_tools_agent
    from langchain.tools import Tool
    from langchain.memory import ConversationBufferMemory
    from langchain_core.prompts import (
        MessagesPlaceholder,
        ChatPromptTemplate,
        SystemMessagePromptTemplate,
        HumanMessagePromptTemplate
    )
    NEW_API = True
except ImportError:
    # 尝试使用旧版本LangChain (<0.1.0)
    try:
        from langchain.chat_models import ChatOpenAI
        from langchain.agents import initialize_agent, AgentType, Tool
        from langchain.memory import ConversationBufferMemory
        from langchain.prompts import MessagesPlaceholder
        from langchain.schema import SystemMessage
        NEW_API = False
    except ImportError:
        raise ImportError("LangChain导入失败，请安装: pip install langchain langchain-openai")

# 系统Prompt
MOVIE_COMMENTATOR_SYSTEM_PROMPT = """
你是一位专业的电影解说员，具有以下特点：

1. **专业素养**
   - 对电影艺术有深入理解
   - 熟悉各种电影类型和风格
   - 能够分析电影的深层含义

2. **解说风格**
   - 语言生动有趣，引人入胜
   - 结构清晰，逻辑严密
   - 既有专业分析，又通俗易懂

3. **内容要求**
   - 介绍电影基本信息（导演、演员、类型等）
   - 概述剧情（避免剧透关键情节）
   - 分析电影主题和艺术特色
   - 评价电影的艺术价值和观赏价值

4. **交互方式**
   - 回答用户关于电影的各种问题
   - 基于对话历史提供连贯的回答
   - 如果信息不足，主动使用SearchMovieInfo工具获取信息

请始终以专业、友好、生动的语调与用户交流。
"""

class MovieCommentatorAgent:
    """
    电影解说AI Agent
    
    功能：
    1. 搜索电影信息
    2. 生成专业电影解说
    3. 回答电影相关问题
    4. 支持多轮对话
    """
    
    def __init__(self, api_key: Optional[str] = None, model: str = "gpt-3.5-turbo", use_deepseek: bool = False):
        """
        初始化电影解说Agent
        
        Args:
            api_key: API密钥（OpenAI或DeepSeek）
            model: 使用的模型名称
                - OpenAI: "gpt-3.5-turbo", "gpt-4" 等
                - DeepSeek: "deepseek-chat"
            use_deepseek: 是否使用DeepSeek API，默认False（使用OpenAI）
        """
        if not api_key:
            raise ValueError("请提供API密钥")

        # 初始化LLM（兼容新旧版本，支持OpenAI和DeepSeek）
        if use_deepseek:
            # 使用DeepSeek API
            deepseek_base_url = "https://api.deepseek.com"
            if NEW_API:
                self.llm = ChatOpenAI(
                    model="deepseek-chat",
                    openai_api_key=api_key,
                    openai_api_base=deepseek_base_url,
                    temperature=0.7,
                    max_tokens=2000
                )
            else:
                self.llm = ChatOpenAI(
                    model_name="deepseek-chat",
                    openai_api_key=api_key,
                    openai_api_base=deepseek_base_url,
                    temperature=0.7,
                    max_tokens=2000
                )
        else:
            # 使用OpenAI API
            if NEW_API:
                self.llm = ChatOpenAI(
                    model=model,
                    openai_api_key=api_key,
                    temperature=0.7,
                    max_tokens=2000
                )
            else:
                self.llm = ChatOpenAI(
                    model_name=model,
                    openai_api_key=api_key,
                    temperature=0.7,
                    max_tokens=2000
                )
        
        # 初始化记忆系统
        self.memory = ConversationBufferMemory(
            memory_key="chat_history",
            return_messages=True
        )
        
        # 创建工具
        self.tools = self._create_tools()
        
        # 创建Agent
        self.agent = self._create_agent()
    
    def _create_tools(self):
        """创建工具集"""
        def search_movie_info(movie_name: str) -> str:
            """
            搜索电影详细信息

            Args:
                movie_name: 电影名称

            Returns:
                电影详细信息字符串
            """
            # 电影数据库（实际项目中应使用真实API，如TMDB API）
            movie_database = {
                "肖申克的救赎": {
                    "导演": "弗兰克·德拉邦特",
                    "主演": "蒂姆·罗宾斯、摩根·弗里曼",
                    "上映时间": "1994年",
                    "类型": "剧情、犯罪",
                    "评分": "9.7分（豆瓣）",
                    "剧情": "银行家安迪因被误判谋杀妻子和她的情人而入狱，在肖申克监狱中遇到了瑞德。安迪利用自己的金融知识帮助监狱长处理财务，同时策划越狱。经过19年的努力，安迪成功越狱并获得自由。",
                    "主题": "希望、自由、友谊、救赎",
                    "获奖": "1995年奥斯卡最佳影片提名",
                    "经典台词": "希望是美好的，也许是人间至善，而美好的事物永不消逝。"
                },
                "阿甘正传": {
                    "导演": "罗伯特·泽米吉斯",
                    "主演": "汤姆·汉克斯、罗宾·怀特",
                    "上映时间": "1994年",
                    "类型": "剧情、爱情",
                    "评分": "9.5分（豆瓣）",
                    "剧情": "智商只有75的阿甘，通过自己的努力和坚持，在人生各个阶段都取得了成功，包括成为橄榄球明星、越战英雄、乒乓球外交使者、亿万富翁。",
                    "主题": "坚持、纯真、人生意义",
                    "获奖": "1995年奥斯卡最佳影片",
                    "经典台词": "生活就像一盒巧克力，你永远不知道下一颗是什么味道。"
                },
                "泰坦尼克号": {
                    "导演": "詹姆斯·卡梅隆",
                    "主演": "莱昂纳多·迪卡普里奥、凯特·温丝莱特",
                    "上映时间": "1997年",
                    "类型": "爱情、灾难",
                    "评分": "9.4分（豆瓣）",
                    "剧情": "1912年泰坦尼克号邮轮在其处女航时触礁冰山而沉没，讲述了处于不同阶层的两个人------穷画家杰克和贵族露丝抛弃世俗的偏见坠入爱河，最终杰克把生存的机会让给了露丝的感人故事。",
                    "主题": "爱情、阶级、灾难、牺牲",
                    "获奖": "1998年奥斯卡最佳影片",
                    "经典台词": "你跳，我也跳。"
                },
                "盗梦空间": {
                    "导演": "克里斯托弗·诺兰",
                    "主演": "莱昂纳多·迪卡普里奥、玛丽昂·歌迪亚",
                    "上映时间": "2010年",
                    "类型": "科幻、悬疑、动作",
                    "评分": "9.3分（豆瓣）",
                    "剧情": "多姆·柯布是一位经验丰富的窃贼，专门潜入他人梦境中窃取潜意识里的秘密。他接受了一项新任务，不是窃取思想，而是植入思想。",
                    "主题": "梦境、现实、记忆、救赎",
                    "获奖": "2011年奥斯卡最佳视觉效果",
                    "经典台词": "你永远记不起一个梦的开始。"
                },
                "星际穿越": {
                    "导演": "克里斯托弗·诺兰",
                    "主演": "马修·麦康纳、安妮·海瑟薇",
                    "上映时间": "2014年",
                    "类型": "科幻、冒险",
                    "评分": "9.4分（豆瓣）",
                    "剧情": "在不远的未来，地球环境恶化，人类面临生存危机。前NASA飞行员库珀接受任务，驾驶飞船穿越虫洞寻找适合人类居住的星球。",
                    "主题": "爱、时间、牺牲、希望",
                    "获奖": "2015年奥斯卡最佳视觉效果",
                    "经典台词": "爱是唯一可以超越时间和空间的东西。"
                }
            }

            # 清理电影名称（去除书名号等）
            movie_name_clean = movie_name.strip().replace("《", "").replace("》", "").replace("\"", "").replace("'", "")

            if movie_name_clean in movie_database:
                info = movie_database[movie_name_clean]
                return f"""
电影名称：{movie_name_clean}

【基本信息】
导演：{info['导演']}
主演：{info['主演']}
上映时间：{info['上映时间']}
类型：{info['类型']}
评分：{info['评分']}

【剧情简介】
{info['剧情']}

【主题】
{info['主题']}

【获奖情况】
{info.get('获奖', '暂无')}

【经典台词】
{info.get('经典台词', '暂无')}
"""
            else:
                available_movies = "、".join(movie_database.keys())
                return f"""抱歉，未找到电影《{movie_name_clean}》的详细信息。

当前数据库包含以下电影：
{available_movies}

提示：你可以直接询问这些电影的信息，我会为你详细介绍。"""

        tools = [
            Tool(
                name="SearchMovieInfo",
                func=search_movie_info,
                description="""搜索电影的详细信息。输入应该是电影名称（可以带或不带书名号）。

返回的信息包括：
- 基本信息：导演、主演、上映时间、类型、评分
- 剧情简介
- 主题分析
- 获奖情况
- 经典台词

使用场景：
- 当用户询问电影信息时
- 当需要生成电影解说时
- 当需要回答关于电影的问题时

示例输入：
- "肖申克的救赎"
- "《阿甘正传》"
- "泰坦尼克号"
"""
            )
        ]

        return tools
    
    def _create_agent(self):
        """创建Agent（兼容新旧版本LangChain）"""
        if NEW_API:
            # 新版本LangChain API
            from langchain_core.prompts import ChatPromptTemplate

            # 创建Prompt模板
            prompt = ChatPromptTemplate.from_messages([
                SystemMessagePromptTemplate.from_template(MOVIE_COMMENTATOR_SYSTEM_PROMPT),
                MessagesPlaceholder(variable_name="chat_history"),
                HumanMessagePromptTemplate.from_template("{input}"),
                MessagesPlaceholder(variable_name="agent_scratchpad"),
            ])

            # 创建Agent
            agent = create_openai_tools_agent(self.llm, self.tools, prompt)

            # 创建AgentExecutor
            agent_executor = AgentExecutor(
                agent=agent,
                tools=self.tools,
                memory=self.memory,
                verbose=False,
                handle_parsing_errors=True
            )

            return agent_executor
        else:
            # 旧版本LangChain API
            try:
                from langchain.schema import SystemMessage
            except ImportError:
                from langchain_core.messages import SystemMessage

            agent_kwargs = {
                "system_message": SystemMessage(content=MOVIE_COMMENTATOR_SYSTEM_PROMPT),
                "extra_prompt_messages": [MessagesPlaceholder(variable_name="chat_history")]
            }

            agent = initialize_agent(
                tools=self.tools,
                llm=self.llm,
                agent=AgentType.CHAT_CONVERSATIONAL_REACT_DESCRIPTION,
                memory=self.memory,
                agent_kwargs=agent_kwargs,
                verbose=False,
                handle_parsing_errors=True
            )

            return agent
    
    def comment(self, movie_name: str) -> str:
        """
        生成电影解说

        Args:
            movie_name: 电影名称

        Returns:
            电影解说文案
        """
        prompt = f"请为电影《{movie_name}》生成一份专业的解说文案，要求生动有趣、结构清晰，包括基本信息、剧情概述、主题分析和评价。"
        try:
            if NEW_API:
                # 新版本使用invoke方法
                response = self.agent.invoke({"input": prompt})
                return response.get("output", str(response))
            else:
                # 旧版本使用run方法
                response = self.agent.run(input=prompt)
                return response
        except Exception as e:
            return f"生成解说时出错：{str(e)}"

    def ask(self, question: str) -> str:
        """
        回答关于电影的问题

        Args:
            question: 用户问题

        Returns:
            回答内容
        """
        try:
            if NEW_API:
                # 新版本使用invoke方法
                response = self.agent.invoke({"input": question})
                return response.get("output", str(response))
            else:
                # 旧版本使用run方法
                response = self.agent.run(input=question)
                return response
        except Exception as e:
            return f"回答问题时出错：{str(e)}"

    def reset_memory(self):
        """重置对话记忆"""
        self.memory.clear()
        print("对话记忆已重置")

11.6 使用示例

11.6.1 基础使用

from ai_agent import MovieCommentatorAgent

# 初始化Agent（支持OpenAI和DeepSeek）
# 推荐使用DeepSeek API（性价比高）
agent = MovieCommentatorAgent(
    api_key="your-deepseek-api-key",  # DeepSeek API密钥
    use_deepseek=True  # 使用DeepSeek
)

# 或使用OpenAI API
# agent = MovieCommentatorAgent(
#     api_key="your-openai-api-key",
#     use_deepseek=False,
#     model="gpt-3.5-turbo"  # 或 "gpt-4"
# )

# 生成电影解说
commentary = agent.comment("肖申克的救赎")
print(commentary)

# 回答问题
answer = agent.ask("这部电影的导演是谁？")
print(answer)

# 继续对话（Agent会记住之前的对话）
answer2 = agent.ask("这部电影的主题是什么？")
print(answer2)

11.6.2 完整对话示例

from ai_agent import MovieCommentatorAgent, demo_movie_commentator, interactive_mode

# 方式1: 使用演示模式
if __name__ == "__main__":
    # 设置API密钥（推荐使用DeepSeek）
    DEEPSEEK_API_KEY = "your-deepseek-api-key"  # DeepSeek API密钥
    OPENAI_API_KEY = None  # OpenAI API密钥（可选）
    
    # 使用DeepSeek（推荐，性价比高）
    demo_movie_commentator(api_key=DEEPSEEK_API_KEY, use_deepseek=True)
    
    # 或使用OpenAI
    # demo_movie_commentator(api_key=OPENAI_API_KEY, use_deepseek=False)

# 方式2: 使用交互模式
# interactive_mode(api_key=DEEPSEEK_API_KEY, use_deepseek=True)

# 方式3: 命令行运行
# python ai_agent.py --mode demo --use-deepseek
# python ai_agent.py --mode interactive --use-deepseek

11.7 项目优化建议

11.7.1 功能扩展

1. 集成真实API：使用TMDB、IMDb等电影API
2. 多语言支持：支持英文、日文等电影解说
3. 视频生成：结合TTS和视频生成技术
4. 个性化推荐：基于用户喜好推荐电影

11.7.2 性能优化

1. 缓存机制：缓存电影信息减少API调用
2. 异步处理：支持异步请求提升响应速度
3. 批量处理：支持批量生成多个电影解说

11.7.3 用户体验

1. 流式输出：使用流式输出提升体验
2. 错误处理：完善的错误处理和提示
3. 交互优化：支持更自然的对话交互

---

总结与最佳实践

技术栈总结

技术栈关系图

AI Agent
LLM

核心推理引擎
LangChain

应用框架
LangGraph

图工作流
Agent

智能代理
Prompt

指令设计
RAG

知识增强
Vector DB

知识存储
Observability

可观测性
LangSmith

监控平台
PromptLayer

Prompt管理

技术栈层次结构

AI Agent完整技术栈

┌──────────┐
│   LLM    │ → 核心推理引擎
└────┬─────┘
     │
┌────▼─────┐
│LangChain │ → 应用框架
│LangGraph │ → 图工作流
└────┬─────┘
     │
┌────▼─────┐
│  Agent   │ → 智能代理
└────┬─────┘
     │
┌────▼─────┐
│  Prompt  │ → 指令设计
└────┬─────┘
     │
┌────▼─────┐
│   RAG    │ → 知识增强
└────┬─────┘
     │
┌────▼─────┐
│Vector DB │ → 知识存储
└────┬─────┘
     │
┌────▼─────┐
│Observability│ → 可观测性
│LangSmith │ → 监控调试
│PromptLayer│ → Prompt管理
└──────────┘

最佳实践清单

✅ LLM使用

1. 选择合适的模型：根据任务选择GPT-4、Claude或开源模型
2. 参数调优：temperature、max_tokens等根据场景调整
3. 错误处理：添加重试机制和错误处理
4. 成本控制：监控token使用，优化Prompt长度

✅ LangChain开发

1. 模块化设计：使用Chains、Agents等组件
2. 记忆管理：根据场景选择合适的Memory类型
3. 工具设计：创建清晰、可复用的工具
4. 链式组合：合理组合多个Chain

✅ LangGraph使用

1. 状态设计：合理设计状态结构
2. 检查点使用：长时间任务使用检查点
3. 可视化调试：利用可视化功能调试
4. 错误处理：在节点中添加错误处理

✅ Agent开发

1. 类型选择：根据任务选择合适的Agent类型
2. 工具设计：工具描述要清晰准确
3. 调用限制：限制工具调用次数避免循环
4. 日志记录：记录Agent决策过程

✅ Observability实现

1. 全面追踪：追踪所有LLM调用和工具执行
2. 结构化日志：使用结构化日志格式
3. 关键指标：监控延迟、错误率、成本
4. 告警设置：设置异常告警

✅ LangSmith使用

1. 项目组织：按项目组织追踪数据
2. 标签使用：使用标签分类追踪
3. 定期评估：定期运行评估测试
4. 成本监控：监控Token使用和成本

✅ PromptLayer使用

1. 版本管理：使用版本控制管理Prompt
2. A/B测试：定期进行A/B测试优化
3. 性能监控：监控Prompt效果
4. 团队协作：建立Prompt评审流程

✅ Prompt工程

1. 清晰明确：Prompt要具体、明确
2. 提供示例：使用Few-shot示例
3. 迭代优化：根据结果不断改进
4. 模板化：创建可复用的Prompt模板

✅ RAG实现

1. 文档预处理：合理分割文档
2. 检索优化：使用混合检索、重排序
3. 上下文管理：控制上下文长度
4. 来源追踪：保留文档来源信息

✅ 向量数据库

1. 选择合适的数据库：根据规模、需求选择
2. 索引优化：使用合适的索引算法
3. 批量操作：批量插入提高性能
4. 监控维护：定期监控和优化

常见问题与解决方案

问题1: LLM回答不准确

解决方案：

• 改进Prompt，提供更多上下文
• 使用RAG增强知识
• 降低temperature提高确定性

问题2: RAG检索不相关

解决方案：

• 优化文档分割策略
• 使用混合检索（关键词+向量）
• 调整检索数量k值
• 使用重排序

问题3: 响应速度慢

解决方案：

• 使用缓存
• 异步处理
• 优化向量数据库索引
• 减少检索文档数量

问题4: Token消耗大

解决方案：

• 使用摘要Memory替代完整Memory
• 优化Prompt长度
• 压缩检索到的文档
• 使用更小的模型

未来发展方向

1. 多模态Agent：结合图像、音频等多模态输入
2. 自主Agent：能够自主规划和执行复杂任务
3. Agent协作：多个Agent协同工作
4. 实时学习：Agent能够从交互中学习改进

---

附录：

requirement.txt

# python3.10
langchain>=0.1.0,<1.0.0
langchain-openai>=0.1.0,<1.0.0
langchain-core>=0.1.0,<1.0.0
langchain-community>=0.1.0,<1.0.0

# OpenAI API（必须）
openai>=1.0.0
# 向量数据库
chromadb>=0.4.0
faiss-cpu>=1.7.4

# 文档处理
pypdf>=3.17.0
python-docx>=1.1.0
unstructured>=0.11.0
markdown>=3.5.0

# 文本处理
sentence-transformers>=2.2.0
tiktoken>=0.5.0

# 机器学习工具
scikit-learn>=1.3.0
numpy>=1.24.0

# 工具和工具链
python-dotenv>=1.0.0
requests>=2.31.0
jupyter>=1.0.0
ipython>=8.17.0

完整代码：

from typing import Optional

# 兼容新旧版本的LangChain导入
NEW_API = False
ChatOpenAI = None
AgentExecutor = None
create_openai_tools_agent = None
Tool = None
ConversationBufferMemory = None
MessagesPlaceholder = None
ChatPromptTemplate = None
SystemMessagePromptTemplate = None
HumanMessagePromptTemplate = None
initialize_agent = None
AgentType = None
SystemMessage = None

# 尝试导入新版本LangChain (>=0.1.0)
try:
    from langchain_openai import ChatOpenAI
    from langchain.agents import AgentExecutor, create_openai_tools_agent
    from langchain.tools import Tool
    from langchain.memory import ConversationBufferMemory
    from langchain_core.prompts import (
        MessagesPlaceholder,
        ChatPromptTemplate,
        SystemMessagePromptTemplate,
        HumanMessagePromptTemplate
    )

    NEW_API = True
    print("✓ 使用新版本LangChain API")
except ImportError as e1:
    # 尝试使用旧版本LangChain (<0.1.0)
    try:
        from langchain.chat_models import ChatOpenAI
        from langchain.agents import initialize_agent, AgentType, Tool
        from langchain.memory import ConversationBufferMemory
        from langchain.prompts import MessagesPlaceholder
        from langchain.schema import SystemMessage

        NEW_API = False
        print("✓ 使用旧版本LangChain API")
    except ImportError as e2:
        # 尝试其他可能的导入方式
        try:
            # 尝试直接从langchain导入
            import langchain

            langchain_version = getattr(langchain, '__version__', 'unknown')
            print(f"检测到LangChain版本: {langchain_version}")

            # 尝试多种导入方式
            try:
                from langchain_community.chat_models import ChatOpenAI
            except:
                try:
                    from langchain_openai import ChatOpenAI
                except:
                    try:
                        from langchain.chat_models import ChatOpenAI
                    except:
                        raise ImportError("无法导入ChatOpenAI")

            # 尝试导入其他必要模块
            try:
                from langchain.agents import AgentExecutor, create_openai_tools_agent

                NEW_API = True
            except:
                try:
                    from langchain.agents import initialize_agent, AgentType

                    NEW_API = False
                except:
                    raise ImportError("无法导入Agent相关模块")

            from langchain.tools import Tool
            from langchain.memory import ConversationBufferMemory

            if NEW_API:
                from langchain_core.prompts import (
                    MessagesPlaceholder,
                    ChatPromptTemplate,
                    SystemMessagePromptTemplate,
                    HumanMessagePromptTemplate
                )
            else:
                from langchain.prompts import MessagesPlaceholder
                from langchain.schema import SystemMessage

        except Exception as e3:
            # 检查当前安装的LangChain版本
            try:
                import langchain

                installed_version = getattr(langchain, '__version__', 'unknown')
            except:
                installed_version = '未安装'

            error_msg = f"""
{'=' * 70}
❌ LangChain导入失败！
{'=' * 70}

当前LangChain版本: {installed_version}

【解决方案 - 推荐】

使用requirements文件安装（最简单）：
    pip install -r requirements_ai_agent.txt

如果requirements文件不存在，手动安装核心依赖：
    pip uninstall langchain langchain-openai langchain-core langchain-community -y
    pip install langchain langchain-openai langchain-core langchain-community openai

【错误详情】
- 新版本导入错误: {str(e1)[:200]}
- 旧版本导入错误: {str(e2)[:200]}
- 其他错误: {str(e3)[:200]}

【验证安装】
安装后运行以下命令验证：
    python -c "from langchain_openai import ChatOpenAI; print('✓ 安装成功')"
{'=' * 70}
"""
            print(error_msg)
            raise ImportError("LangChain导入失败，请运行: pip install -r requirements_ai_agent.txt")

# 系统Prompt
MOVIE_COMMENTATOR_SYSTEM_PROMPT = """
你是一位专业的电影解说员，具有以下特点：

1. **专业素养**
   - 对电影艺术有深入理解
   - 熟悉各种电影类型和风格
   - 能够分析电影的深层含义

2. **解说风格**
   - 语言生动有趣，引人入胜
   - 结构清晰，逻辑严密
   - 既有专业分析，又通俗易懂

3. **内容要求**
   - 介绍电影基本信息（导演、演员、类型等）
   - 概述剧情（避免剧透关键情节）
   - 分析电影主题和艺术特色
   - 评价电影的艺术价值和观赏价值

4. **交互方式**
   - 回答用户关于电影的各种问题
   - 基于对话历史提供连贯的回答
   - 如果信息不足，主动使用SearchMovieInfo工具获取信息

请始终以专业、友好、生动的语调与用户交流。
"""


class MovieCommentatorAgent:
    """
    电影解说AI Agent

    功能：
    1. 搜索电影信息
    2. 生成专业电影解说
    3. 回答电影相关问题
    4. 支持多轮对话
    """

    def __init__(self, api_key: Optional[str] = None, model: str = "gpt-3.5-turbo", use_deepseek: bool = False):
        """
        初始化电影解说Agent

        Args:
            api_key: API密钥（OpenAI或DeepSeek）
            model: 使用的模型名称
                - OpenAI: "gpt-3.5-turbo", "gpt-4" 等
                - DeepSeek: "deepseek-chat"
            use_deepseek: 是否使用DeepSeek API，默认False（使用OpenAI）
        """
        if not api_key:
            raise ValueError("请提供API密钥")

        # 初始化LLM（兼容新旧版本）
        if use_deepseek:
            # 使用DeepSeek API
            deepseek_base_url = "https://api.deepseek.com"
            if NEW_API:
                self.llm = ChatOpenAI(
                    model="deepseek-chat",
                    openai_api_key=api_key,
                    openai_api_base=deepseek_base_url,
                    temperature=0.7,
                    max_tokens=2000
                )
            else:
                self.llm = ChatOpenAI(
                    model_name="deepseek-chat",
                    openai_api_key=api_key,
                    openai_api_base=deepseek_base_url,
                    temperature=0.7,
                    max_tokens=2000
                )
        else:
            # 使用OpenAI API
            if NEW_API:
                self.llm = ChatOpenAI(
                    model=model,
                    openai_api_key=api_key,
                    temperature=0.7,
                    max_tokens=2000
                )
            else:
                self.llm = ChatOpenAI(
                    model_name=model,
                    openai_api_key=api_key,
                    temperature=0.7,
                    max_tokens=2000
                )

        # 初始化记忆系统
        self.memory = ConversationBufferMemory(
            memory_key="chat_history",
            return_messages=True
        )

        # 创建工具
        self.tools = self._create_tools()

        # 创建Agent
        self.agent = self._create_agent()

    def _create_tools(self):
        """创建工具集"""

        def search_movie_info(movie_name: str) -> str:
            """
            搜索电影详细信息

            Args:
                movie_name: 电影名称

            Returns:
                电影详细信息字符串
            """
            # 电影数据库（实际项目中应使用真实API，如TMDB API）
            movie_database = {
                "肖申克的救赎": {
                    "导演": "弗兰克·德拉邦特",
                    "主演": "蒂姆·罗宾斯、摩根·弗里曼",
                    "上映时间": "1994年",
                    "类型": "剧情、犯罪",
                    "评分": "9.7分（豆瓣）",
                    "剧情": "银行家安迪因被误判谋杀妻子和她的情人而入狱，在肖申克监狱中遇到了瑞德。安迪利用自己的金融知识帮助监狱长处理财务，同时策划越狱。经过19年的努力，安迪成功越狱并获得自由。",
                    "主题": "希望、自由、友谊、救赎",
                    "获奖": "1995年奥斯卡最佳影片提名",
                    "经典台词": "希望是美好的，也许是人间至善，而美好的事物永不消逝。"
                },
                "阿甘正传": {
                    "导演": "罗伯特·泽米吉斯",
                    "主演": "汤姆·汉克斯、罗宾·怀特",
                    "上映时间": "1994年",
                    "类型": "剧情、爱情",
                    "评分": "9.5分（豆瓣）",
                    "剧情": "智商只有75的阿甘，通过自己的努力和坚持，在人生各个阶段都取得了成功，包括成为橄榄球明星、越战英雄、乒乓球外交使者、亿万富翁。",
                    "主题": "坚持、纯真、人生意义",
                    "获奖": "1995年奥斯卡最佳影片",
                    "经典台词": "生活就像一盒巧克力，你永远不知道下一颗是什么味道。"
                },
                "泰坦尼克号": {
                    "导演": "詹姆斯·卡梅隆",
                    "主演": "莱昂纳多·迪卡普里奥、凯特·温丝莱特",
                    "上映时间": "1997年",
                    "类型": "爱情、灾难",
                    "评分": "9.4分（豆瓣）",
                    "剧情": "1912年泰坦尼克号邮轮在其处女航时触礁冰山而沉没，讲述了处于不同阶层的两个人------穷画家杰克和贵族露丝抛弃世俗的偏见坠入爱河，最终杰克把生存的机会让给了露丝的感人故事。",
                    "主题": "爱情、阶级、灾难、牺牲",
                    "获奖": "1998年奥斯卡最佳影片",
                    "经典台词": "你跳，我也跳。"
                },
                "盗梦空间": {
                    "导演": "克里斯托弗·诺兰",
                    "主演": "莱昂纳多·迪卡普里奥、玛丽昂·歌迪亚",
                    "上映时间": "2010年",
                    "类型": "科幻、悬疑、动作",
                    "评分": "9.3分（豆瓣）",
                    "剧情": "多姆·柯布是一位经验丰富的窃贼，专门潜入他人梦境中窃取潜意识里的秘密。他接受了一项新任务，不是窃取思想，而是植入思想。",
                    "主题": "梦境、现实、记忆、救赎",
                    "获奖": "2011年奥斯卡最佳视觉效果",
                    "经典台词": "你永远记不起一个梦的开始。"
                },
                "星际穿越": {
                    "导演": "克里斯托弗·诺兰",
                    "主演": "马修·麦康纳、安妮·海瑟薇",
                    "上映时间": "2014年",
                    "类型": "科幻、冒险",
                    "评分": "9.4分（豆瓣）",
                    "剧情": "在不远的未来，地球环境恶化，人类面临生存危机。前NASA飞行员库珀接受任务，驾驶飞船穿越虫洞寻找适合人类居住的星球。",
                    "主题": "爱、时间、牺牲、希望",
                    "获奖": "2015年奥斯卡最佳视觉效果",
                    "经典台词": "爱是唯一可以超越时间和空间的东西。"
                }
            }

            # 清理电影名称（去除书名号等）
            movie_name_clean = movie_name.strip().replace("《", "").replace("》", "").replace("\"", "").replace("'", "")

            if movie_name_clean in movie_database:
                info = movie_database[movie_name_clean]
                return f"""
电影名称：{movie_name_clean}

【基本信息】
导演：{info['导演']}
主演：{info['主演']}
上映时间：{info['上映时间']}
类型：{info['类型']}
评分：{info['评分']}

【剧情简介】
{info['剧情']}

【主题】
{info['主题']}

【获奖情况】
{info.get('获奖', '暂无')}

【经典台词】
{info.get('经典台词', '暂无')}
"""
            else:
                available_movies = "、".join(movie_database.keys())
                return f"""抱歉，未找到电影《{movie_name_clean}》的详细信息。

当前数据库包含以下电影：
{available_movies}

提示：你可以直接询问这些电影的信息，我会为你详细介绍。"""

        tools = [
            Tool(
                name="SearchMovieInfo",
                func=search_movie_info,
                description="""搜索电影的详细信息。输入应该是电影名称（可以带或不带书名号）。

返回的信息包括：
- 基本信息：导演、主演、上映时间、类型、评分
- 剧情简介
- 主题分析
- 获奖情况
- 经典台词

使用场景：
- 当用户询问电影信息时
- 当需要生成电影解说时
- 当需要回答关于电影的问题时

示例输入：
- "肖申克的救赎"
- "《阿甘正传》"
- "泰坦尼克号"
"""
            )
        ]

        return tools

    def _create_agent(self):
        """创建Agent（兼容新旧版本LangChain）"""
        if NEW_API:
            # 新版本LangChain API
            from langchain_core.prompts import ChatPromptTemplate

            # 创建Prompt模板
            prompt = ChatPromptTemplate.from_messages([
                SystemMessagePromptTemplate.from_template(MOVIE_COMMENTATOR_SYSTEM_PROMPT),
                MessagesPlaceholder(variable_name="chat_history"),
                HumanMessagePromptTemplate.from_template("{input}"),
                MessagesPlaceholder(variable_name="agent_scratchpad"),
            ])

            # 创建Agent
            agent = create_openai_tools_agent(self.llm, self.tools, prompt)

            # 创建AgentExecutor
            agent_executor = AgentExecutor(
                agent=agent,
                tools=self.tools,
                memory=self.memory,
                verbose=False,
                handle_parsing_errors=True
            )

            return agent_executor
        else:
            # 旧版本LangChain API
            try:
                from langchain.schema import SystemMessage
            except ImportError:
                from langchain_core.messages import SystemMessage

            agent_kwargs = {
                "system_message": SystemMessage(content=MOVIE_COMMENTATOR_SYSTEM_PROMPT),
                "extra_prompt_messages": [MessagesPlaceholder(variable_name="chat_history")]
            }

            agent = initialize_agent(
                tools=self.tools,
                llm=self.llm,
                agent=AgentType.CHAT_CONVERSATIONAL_REACT_DESCRIPTION,
                memory=self.memory,
                agent_kwargs=agent_kwargs,
                verbose=False,
                handle_parsing_errors=True
            )

            return agent

    def comment(self, movie_name: str) -> str:
        """
        生成电影解说

        Args:
            movie_name: 电影名称

        Returns:
            电影解说文案
        """
        prompt = f"请为电影《{movie_name}》生成一份专业的解说文案，要求生动有趣、结构清晰，包括基本信息、剧情概述、主题分析和评价。"
        try:
            if NEW_API:
                # 新版本使用invoke方法
                response = self.agent.invoke({"input": prompt})
                return response.get("output", str(response))
            else:
                # 旧版本使用run方法
                response = self.agent.run(input=prompt)
                return response
        except Exception as e:
            return f"生成解说时出错：{str(e)}"

    def ask(self, question: str) -> str:
        """
        回答关于电影的问题

        Args:
            question: 用户问题

        Returns:
            回答内容
        """
        try:
            if NEW_API:
                # 新版本使用invoke方法
                response = self.agent.invoke({"input": question})
                return response.get("output", str(response))
            else:
                # 旧版本使用run方法
                response = self.agent.run(input=question)
                return response
        except Exception as e:
            return f"回答问题时出错：{str(e)}"

    def reset_memory(self):
        """重置对话记忆"""
        self.memory.clear()
        print("对话记忆已重置")


def demo_movie_commentator(api_key: Optional[str] = None, use_deepseek: bool = False):
    """电影解说Agent演示

    Args:
        api_key: API密钥（OpenAI或DeepSeek）
        use_deepseek: 是否使用DeepSeek API
    """
    print("=" * 70)
    print("🎬 电影解说AI Agent演示")
    print("=" * 70)

    # 检查API密钥
    if not api_key:
        print("\n❌ 错误：未提供API密钥")
        print("请在main函数中设置api_key")
        return

    try:
        # 初始化Agent
        print("\n📝 正在初始化电影解说Agent...")
        agent = MovieCommentatorAgent(api_key=api_key, use_deepseek=use_deepseek)
        print("✅ Agent初始化成功！\n")

        # 场景1: 生成电影解说
        print("=" * 70)
        print("【场景1】生成电影解说")
        print("=" * 70)
        print("\n用户: 请为《肖申克的救赎》生成一份专业的解说")
        print("\n" + "-" * 70)
        commentary = agent.comment("肖申克的救赎")
        print(f"\nAgent:\n{commentary}\n")

        # 场景2: 回答问题
        print("\n" + "=" * 70)
        print("【场景2】回答电影相关问题")
        print("=" * 70)
        questions = [
            "这部电影的导演是谁？",
            "主演有哪些？",
            "这部电影的主题是什么？",
            "这部电影获得了什么奖项？"
        ]

        for question in questions:
            print(f"\n用户: {question}")
            print("-" * 70)
            answer = agent.ask(question)
            print(f"Agent: {answer}")

        # 场景3: 多轮对话
        print("\n" + "=" * 70)
        print("【场景3】多轮对话 - 介绍新电影")
        print("=" * 70)
        agent.reset_memory()

        print("\n用户: 请介绍一下《盗梦空间》")
        print("-" * 70)
        answer1 = agent.ask("请介绍一下《盗梦空间》")
        print(f"Agent: {answer1}\n")

        print("用户: 这部电影的评分是多少？")
        print("-" * 70)
        answer2 = agent.ask("这部电影的评分是多少？")
        print(f"Agent: {answer2}\n")

        print("用户: 导演还拍过哪些经典电影？")
        print("-" * 70)
        answer3 = agent.ask("导演还拍过哪些经典电影？")
        print(f"Agent: {answer3}\n")

        print("=" * 70)
        print("✅ 演示完成！")
        print("=" * 70)

    except Exception as e:
        print(f"\n❌ 发生错误：{str(e)}")
        import traceback
        traceback.print_exc()


def interactive_mode(api_key: Optional[str] = None, use_deepseek: bool = False):
    """交互模式

    Args:
        api_key: API密钥（OpenAI或DeepSeek）
        use_deepseek: 是否使用DeepSeek API
    """
    print("=" * 70)
    print("🎬 电影解说AI Agent - 交互模式")
    print("=" * 70)
    print("\n提示：")
    print("  - 输入电影名称可以生成解说（如：请解说《肖申克的救赎》）")
    print("  - 输入问题可以询问电影信息（如：这部电影的导演是谁？）")
    print("  - 输入 'reset' 可以重置对话记忆")
    print("  - 输入 'quit' 或 'exit' 退出")
    print("=" * 70)

    if not api_key:
        print("\n❌ 错误：未提供API密钥")
        print("请在main函数中设置api_key")
        return

    try:
        agent = MovieCommentatorAgent(api_key=api_key, use_deepseek=use_deepseek)
        print("\n✅ Agent已就绪，开始对话吧！\n")

        while True:
            user_input = input("\n你: ").strip()

            if not user_input:
                continue

            if user_input.lower() in ['quit', 'exit', '退出']:
                print("\n👋 再见！")
                break

            if user_input.lower() == 'reset':
                agent.reset_memory()
                continue

            try:
                response = agent.ask(user_input)
                print(f"\nAgent: {response}")
            except Exception as e:
                print(f"\n❌ 错误：{str(e)}")

    except KeyboardInterrupt:
        print("\n\n👋 再见！")
    except Exception as e:
        print(f"\n❌ 发生错误：{str(e)}")
        import traceback
        traceback.print_exc()


if __name__ == "__main__":
    import argparse

    # 在main函数中直接设置API密钥
    # 支持OpenAI和DeepSeek
    DEEPSEEK_API_KEY = "sk-82bbcd7562414210891e7f50e0d1ef66"  # DeepSeek API密钥
    OPENAI_API_KEY = None  # OpenAI API密钥（如果需要使用OpenAI，请设置）

    # 选择使用的API（True=DeepSeek, False=OpenAI）
    USE_DEEPSEEK = True

    parser = argparse.ArgumentParser(description="电影解说AI Agent")
    parser.add_argument(
        "--mode",
        choices=["demo", "interactive"],
        default="demo",
        help="运行模式：demo（演示）或 interactive（交互）"
    )
    parser.add_argument(
        "--api-key",
        type=str,
        help="API密钥（可选，会覆盖main函数中的设置）"
    )
    parser.add_argument(
        "--use-deepseek",
        action="store_true",
        help="使用DeepSeek API（默认使用main函数中的设置）"
    )

    args = parser.parse_args()

    # 确定使用的API密钥和类型
    if args.api_key:
        api_key = args.api_key
        use_deepseek = args.use_deepseek if args.use_deepseek else USE_DEEPSEEK
    else:
        if USE_DEEPSEEK:
            api_key = DEEPSEEK_API_KEY
            use_deepseek = True
        else:
            api_key = OPENAI_API_KEY
            use_deepseek = False

    if not api_key:
        print("❌ 错误：未设置API密钥")
        print("请在main函数中设置DEEPSEEK_API_KEY或OPENAI_API_KEY")
        exit(1)

    if args.mode == "demo":
        demo_movie_commentator(api_key=api_key, use_deepseek=use_deepseek)
    else:
        interactive_mode(api_key=api_key, use_deepseek=use_deepseek)