企业官网建设流程全解析

import os from dotenv import load_dotenv from langchain.chat_models import init_chat_model from langchain.agents import create_agent from langchain_core.messages import HumanMessage from langchain.tools import tool import getpass # 加载env环境文件变量 load_dotenv() # 自动读取.env文件配置 from langchain_tavily import TavilySearch # 创建TavilySearch工具 toolTavily = TavilySearch( max_results=5, topic="general", # include_answer=False, # include_raw_content=False, # include_images=False, # include_image_descriptions=False, # search_depth="basic", # time_range="day", # include_domains=None, # exclude_domains=None ) # 创建工具 @tool def search_database(query: str, limit: int = 10) -> str: """内部旅游知识库查询工具 当用户询问旅游攻略、城市出行相关问题时，请调用此工具检索资料 :param keyword: 用户要查询的关键词 :return: 知识库查到的文本内容 """ # 内部执行向量库检索逻辑... result = "北京春秋两季最适合游玩" return result model = init_chat_model( model_provider="openai", model="qwen-vl-plus", base_url=os.getenv("DASHSCOPE_BASE_URL"), api_key = os.getenv("DASHSCOPE_API_KEY") ) # 创建agent 并绑定工具和模型体 agent = create_agent( model=model, tools=[toolTavily] ) message = HumanMessage( content=[ {"type": "text", "text": "北京今天气温多少度"} ] ) stream = agent.invoke({"messages": [message]}) for msg in stream["messages"]: msg.pretty_print()