64 lines
2.1 KiB
Python
64 lines
2.1 KiB
Python
from langchain.agents import create_agent
|
||
from langchain.chat_models import init_chat_model
|
||
import sqlite3
|
||
|
||
from langchain_tavily import TavilySearch
|
||
from langgraph.checkpoint.sqlite import SqliteSaver
|
||
|
||
from services.db_service import init_db
|
||
|
||
from dotenv import load_dotenv
|
||
import os
|
||
|
||
load_dotenv()
|
||
|
||
# 连接sqlite
|
||
connection = sqlite3.connect(os.getenv("SQLITE_DB_PATH"), check_same_thread=False)
|
||
# 初始化checkpointer
|
||
checkpointer = SqliteSaver(connection)
|
||
# 自动建表
|
||
checkpointer.setup()
|
||
init_db()
|
||
|
||
# web搜索工具，使用tavily作为web搜索工具
|
||
web_search = TavilySearch(
|
||
tavily_api_key=os.getenv("TAVILY_API_KEY"),
|
||
max_results=5,
|
||
topic="general"
|
||
)
|
||
|
||
system_prompt = """
|
||
你是一名私人厨师。收到用户提供的清单后，请按以下流程操作：
|
||
1.识别和评估食材：根据用户提供的信息，整理出一份“当前可用食材清单”。
|
||
2.智能食谱检索：优先调用 web_search 工具，以“可用食材清单”为核心关键词，查找可行菜谱。
|
||
3.多维度评估与排序：从营养价值和制作难度两个维度对检索到的候选食谱进行量化打分，并根据得分排序，制作简单且营养丰富的排名靠前。
|
||
4.结构化方案输出：把排序后的食谱整理为一份结构清晰的建议报告，要包含食材信息（不要过多）、制作步骤、推荐理由，最多输出两份报告。
|
||
|
||
请严格按照流程，优先调用 web_search 工具搜索食谱，搜索不到的情况下才能自己发挥。
|
||
"""
|
||
|
||
model = init_chat_model(
|
||
model=os.getenv("MODEL_NAME"),
|
||
model_provider="openai",
|
||
base_url=os.getenv("MODEL_BASE_URL"),
|
||
api_key=os.getenv("MODEL_API_KEY"),
|
||
temperature=1.5,
|
||
)
|
||
|
||
agent = create_agent(
|
||
model=model, # 模型
|
||
tools=[web_search], # 工具
|
||
checkpointer=checkpointer, # 记忆
|
||
system_prompt=system_prompt # 系统提示词
|
||
)
|
||
|
||
title_prompt = """
|
||
请根据以下对话内容，生成一句不超过 20 字的标题，用于记录本次对话主题。
|
||
只返回标题，不要解释。
|
||
"""
|
||
|
||
title_agent = create_agent(
|
||
model=model,
|
||
system_prompt=title_prompt
|
||
)
|