【AI赋能测试】基于 langchain+DeepSeek 的 AI 智能体

python 复制代码
# 测试用例智能体
from dotenv import load_dotenv
from langchain.agents import create_agent
from langchain_deepseek import ChatDeepSeek


# 自动加载 .env 文件(环境变量),不用每次写 api_key=(必须在创建ChatDeepSeek之前!)
load_dotenv()
# 再创建大模型实例(此时能读到.env里的API Key)
# llm = ChatDeepSeek(
#     model="deepseek-chat",
#     temperature=0, # 温度:数字越低越不发散。对话可以设高一点如0.7。0意思严格根据用户上下文生成。
#     # max_tokens=None,
#     # timeout=None,
#     # max_retries=2,
#     # other params...
# )

# 创建智能体
agent = create_agent(
    model="deepseek-chat", # 智能体对接哪个模型。现在写法是默认参数,如果model=llm,传上面创建的llm实例,可以控制更多参数
    # 不写工具只能与大模型对话
    tools=[],
    system_prompt="You are a helpful assistant",
)
# The system prompt will be set dynamically based on context
result = agent.invoke(
    {"messages": [{"role": "user", "content": "Explain machine learning"}]}
)
print(result)

到此是与大模型对话智能体。

前后端分离:

  • 后端:启动langgraph api服务
python 复制代码
# uv是Python包管理器
uv sync # 装项目依赖
# graph.json配置智能体路径
# 运行start_server.py

docling-mcp文档解析工具,借助langchain调用mcp

(https://github.com/docling-project/docling-mcp)

python 复制代码
# 在终端启动
uvx --from docling-mcp docling-mcp-server --transport sse
# 不要关闭
  • 前端:
python 复制代码
brew install node
node -v
npm install -g yarn # 前端项目包管理器yarn
yarn -v
yarn install # 装项目依赖
npm run dev #运行
相关推荐
屿华AI1 小时前
AUTOSAR 实战-诊断工具 | 用 Claude Code 开发诊断测试工具:AI 协作开发实践
人工智能·测试工具
林中漫步—柚2 小时前
四六级作文怎么写:三段骨架 + 一篇完整例文 + 五类自查错误
学习方法·考试复习·四六级·大学英语·英语作文
CoderYanger3 小时前
Java EE 进阶:9.MyBatis 操作数据库(进阶)(第二弹)
java·数据库·面试·职场和发展·java-ee·tomcat·mybatis
仍然.4 小时前
LangChain核心组件---消息
langchain
xyphf_和派孔明7 小时前
第十章: Agent Skill的调用机制解读
langchain·llm·agent
宽海智能仓储物流7 小时前
宽海智能WCS系统常见问题全解析:从选型对接、运维定制到降本增效
运维·数据仓库·自动化
惜.己7 小时前
uiautodev 的安装以及使用(移动端自动化工具)
自动化
掘黄金的打工人11 小时前
LangChain 少样本示例 和 动态示例选择
langchain·aigc·ai编程
kevin_org12 小时前
LangChain入门学习(四)
python·学习·langchain·fastapi
H H.12 小时前
Java企业级开发:从框架到工程化实战
java·开发语言·经验分享·其他·课程设计