邓立国Agent开发入门必读书《AI Agent智能体开发实践》1~12章试读_《ai agent 智能体开发实践》在线阅读-CSDN博客1. 基础配置与依赖处理#从正确安装的pydantic中导入BaseModelfrom pydantic import BaseModel#全局配置允许任意类型class CustomBaseModel(BaseModel):class Config:arbitrary_types_allowed True#替换LangChain冲突模块import langchain.memory.summarylangchain.memory.summary.BaseModel CustomBaseModel#其他模块替换上面代码主要解决LangChain与Pydantic之间的兼容性问题通过自定义BaseModel并替换 LangChain相关模块中的基础模型类避免因类型检查严格导致的冲突。2. 阿里云DashScope API配置DASHSCOPE_API_KEY your-dashscope-api-key-here #替换为实际API密钥QWEN_VL_ENDPOINT https://dashscope.aliyuncs.com/api/v1/services/aigc/ multimodal-generation/generation上面代码配置阿里云DashScope服务的API密钥和端点这是调用阿里云大模型服务的基础。3. 自定义嵌入模型class DashScopeEmbeddings(Embeddings):def__init__(self, model_name: str text-embedding-v2):self.model_name model_namedef embed_documents(self, texts: List[str]) - List[List[float]]:#实现文档嵌入逻辑...def embed_query(self, text: str) - List[float]:#实现查询嵌入逻辑...上面代码实现了基于阿里云DashScope的文本嵌入模型将文本转换为向量表示用于后续的相似度检索。其包含以下两个核心方法。embed_documents批量处理文档并生成嵌入向量。embed_query处理用户查询并生成嵌入向量。4. 自定义LLM模型class DashScopeLLM(LLM, CustomBaseModel):model_name: str qwen-plustemperature: float 0.3max_tokens: int 512propertydef_llm_type(self) - str:return dashscopedef_call(self, prompt: str, stop: Optional[List[str]] None, **kwargs: Any) - str:#实现调用阿里云大模型的逻辑...上面代码封装了阿里云DashScope的大语言模型调用实现了LangChain的LLM接口使得阿里云的模型可以无缝集成到LangChain的工作流中。5. 系统初始化组件def initialize_system():#环境配置、数据准备、组件初始化...这是系统的核心初始化函数主要完成环境变量配置。FAQ数据准备与转换为Document格式。文本分割处理。嵌入模型和向量数据库FAISS初始化。检索器retriever创建。LLM模型初始化。单轮和多轮对话链的创建。6. 交互功能实现单轮问答函数single_question(question)处理独立的用户问题返回回答和参考来源。多轮对话函数chat_conversation(question, chat_history, memory)处理上下文相关的对话维护对话历史支持连续交互。7. 前端界面with gr.Blocks(titleRAG问答系统) as demo:#界面组件定义与布局...使用Gradio创建了友好的Web交互界面包含两个标签页单轮问答适合独立问题查询。多轮对话支持上下文关联的连续对话。