bacow/happy-llm
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

feat(Agent): 新增维基百科搜索和温度查询工具并实现web界面

Browse Source 
- 添加search_wikipedia和get_current_temperature工具函数
- 实现基于Streamlit的web交互界面
- 更新requirements.txt添加相关依赖
- 修复PROMPT_TEMPLATE变量名拼写错误
- 移除不再使用的工具函数
- 添加web界面截图到文档
This commit is contained in:
KMnO4-zx
2025-06-20 12:14:19 +08:00
parent cdf10fea16
commit 28636a0f9b
10 changed files with 249 additions and 41 deletions
Download Patch File Download Diff File Expand all files Collapse all files

4
docs/chapter7/Agent/demo.py
View File

@@ -1,5 +1,5 @@
from src.core import Agent
from src.tools import add, count_letter_in_string, compare, get_current_datetime
from src.tools import add, count_letter_in_string, compare, get_current_datetime, search_wikipedia, get_current_temperature
from openai import OpenAI
@@ -13,7 +13,7 @@ if __name__ == "__main__":
agent = Agent(
client=client,
model="Qwen/Qwen2.5-32B-Instruct",
tools=[get_current_datetime, add, compare, count_letter_in_string],
tools=[get_current_datetime, search_wikipedia, get_current_temperature],
)
while True:

59
docs/chapter7/Agent/requirements.txt
View File

@@ -1,4 +1,55 @@
json
openai
datetime
pprint
altair==5.5.0
annotated-types==0.7.0
anyio==4.9.0
attrs==25.3.0
beautifulsoup4==4.13.4
blinker==1.9.0
cachetools==6.1.0
certifi==2025.6.15
charset-normalizer==3.4.2
click==8.2.1
datetime==5.5
distro==1.9.0
gitdb==4.0.12
gitpython==3.1.44
h11==0.16.0
httpcore==1.0.9
httpx==0.28.1
idna==3.10
jinja2==3.1.6
jiter==0.10.0
jsonschema==4.24.0
jsonschema-specifications==2025.4.1
markupsafe==3.0.2
narwhals==1.43.1
numpy==2.3.0
openai==1.88.0
packaging==25.0
pandas==2.3.0
pillow==11.2.1
protobuf==6.31.1
pyarrow==20.0.0
pydantic==2.11.7
pydantic-core==2.33.2
pydeck==0.9.1
python-dateutil==2.9.0.post0
pytz==2025.2
referencing==0.36.2
requests==2.32.4
rpds-py==0.25.1
setuptools==80.9.0
six==1.17.0
smmap==5.0.2
sniffio==1.3.1
soupsieve==2.7
streamlit==1.46.0
tenacity==9.1.2
toml==0.10.2
tornado==6.5.1
tqdm==4.67.1
typing-extensions==4.14.0
typing-inspection==0.4.1
tzdata==2025.2
urllib3==2.5.0
wikipedia==1.4.0
zope-interface==7.2

6
docs/chapter7/Agent/src/core.py
View File

@@ -2,11 +2,11 @@ from openai import OpenAI
import json
from typing import List, Dict, Any
from src.utils import function_to_json
from src.tools import get_current_datetime, add, compare, count_letter_in_string
from src.tools import get_current_datetime, add, compare, count_letter_in_string, search_wikipedia, get_current_temperature
import pprint
SYSREM_PROMPT = """
SYSTEM_PROMPT = """
你是一个叫不要葱姜蒜的人工智能助手。你的输出应该与用户的语言保持一致。
当用户的问题需要调用工具时，你可以从提供的工具列表中调用适当的工具函数。
"""
@@ -17,7 +17,7 @@ class Agent:
self.tools = tools
self.model = model
self.messages = [
{"role": "system", "content": SYSREM_PROMPT},
{"role": "system", "content": SYSTEM_PROMPT},
]
self.verbose = verbose

81
docs/chapter7/Agent/src/tools.py
View File

@@ -1,12 +1,14 @@
from datetime import datetime
import datetime
import wikipedia
import requests
# 获取当前日期和时间
def get_current_datetime() -> str:
"""
获取当前日期和时间。
获取真实的当前日期和时间。
:return: 当前日期和时间的字符串表示。
"""
current_datetime = datetime.now()
current_datetime = datetime.datetime.now()
formatted_datetime = current_datetime.strftime("%Y-%m-%d %H:%M:%S")
return formatted_datetime
@@ -54,3 +56,76 @@ def count_letter_in_string(a: str, b: str):
count = string.count(letter)
return(f"The letter '{letter}' appears {count} times in the string.")
def search_wikipedia(query: str) -> str:
"""
在维基百科中搜索指定查询的前三个页面摘要。
:param query: 要搜索的查询字符串。
:return: 包含前三个页面摘要的字符串。
"""
page_titles = wikipedia.search(query)
summaries = []
for page_title in page_titles[: 3]: # 取前三个页面标题
try:
# 使用 wikipedia 模块的 page 函数，获取指定标题的维基百科页面对象。
wiki_page = wikipedia.page(title=page_title, auto_suggest=False)
# 获取页面摘要
summaries.append(f"页面: {page_title}\n摘要: {wiki_page.summary}")
except (
wikipedia.exceptions.PageError,
wikipedia.exceptions.DisambiguationError,
):
pass
if not summaries:
return "维基百科没有搜索到合适的结果"
return "\n\n".join(summaries)
def get_current_temperature(latitude: float, longitude: float) -> str:
"""
获取指定经纬度位置的当前温度。
:param latitude: 纬度坐标。
:param longitude: 经度坐标。
:return: 当前温度的字符串表示。
"""
# Open Meteo API 的URL
open_meteo_url = "https://api.open-meteo.com/v1/forecast"
# 请求参数
params = {
'latitude': latitude,
'longitude': longitude,
'hourly': 'temperature_2m',
'forecast_days': 1,
}
# 发送 API 请求
response = requests.get(open_meteo_url, params=params)
# 检查响应状态码
if response.status_code == 200:
# 解析 JSON 响应
results = response.json()
else:
# 处理请求失败的情况
raise Exception(f"API Request failed with status code: {response.status_code}")
# 获取当前 UTC 时间
current_utc_time = datetime.datetime.now(datetime.UTC)
# 将时间字符串转换为 datetime 对象
time_list = [datetime.datetime.fromisoformat(time_str).replace(tzinfo=datetime.timezone.utc) for time_str in
results['hourly']['time']]
# 获取温度列表
temperature_list = results['hourly']['temperature_2m']
# 找到最接近当前时间的索引
closest_time_index = min(range(len(time_list)), key=lambda i: abs(time_list[i] - current_utc_time))
# 获取当前温度
current_temperature = temperature_list[closest_time_index]
# 返回当前温度的字符串形式
return f'现在温度是 {current_temperature}°C'

62
docs/chapter7/Agent/web_demo.py Normal file
View File

@@ -0,0 +1,62 @@
import streamlit as st
from src.core import Agent
from src.tools import add, count_letter_in_string, compare, get_current_datetime, search_wikipedia, get_current_temperature
from openai import OpenAI
# --- 页面配置 ---
st.set_page_config(
page_title="Tiny Agent Demo", # 页面标题
page_icon="🤖", # 页面图标
layout="centered", # 页面布局
initial_sidebar_state="auto", # 侧边栏初始状态
)
# --- OpenAI客户端初始化 ---
client = OpenAI(
api_key="sk-quovvfgjdmmrvwiljusggiwvxfiekzicwjgtdvpfqhpmbpqu",
base_url="https://api.siliconflow.cn/v1",
)
# --- Agent初始化 ---
@st.cache_resource
def load_agent():
"""创建并缓存Agent实例。"""
return Agent(
client=client,
model="Qwen/Qwen2.5-32B-Instruct", # 使用的模型
tools=[get_current_datetime, search_wikipedia, get_current_temperature], # Agent可以使用的工具
)
agent = load_agent() # 加载Agent
# --- UI组件 ---
st.title("🤖 Happy-LLM Tiny Agent") # 设置页面标题
st.markdown("""欢迎来到 Tiny Agent web 界面！
在下方输入您的提示，查看 Agent 的实际操作。
""") # 显示Markdown格式的欢迎信息
# 初始化聊天记录
if "messages" not in st.session_state:
st.session_state.messages = []
# 在应用重新运行时显示历史聊天记录
for message in st.session_state.messages:
with st.chat_message(message["role"]):
st.markdown(message["content"])
# 响应用户输入
if prompt := st.chat_input("我能为您做些什么？"):
# 在聊天消息容器中显示用户消息
st.chat_message("user").markdown(prompt)
# 将用户消息添加到聊天记录中
st.session_state.messages.append({"role": "user", "content": prompt})
with st.spinner('思考中...'):
response = agent.get_completion(prompt) # 获取Agent的响应
# 在聊天消息容器中显示助手响应
with st.chat_message("assistant"):
st.markdown(response)
# 将助手响应添加到聊天记录中
st.session_state.messages.append({"role": "assistant", "content": response})

1
docs/chapter7/RAG/Embeddings.py
View File

@@ -13,7 +13,6 @@ from copy import copy
from typing import Dict, List, Optional, Tuple, Union
import numpy as np
os.environ['CURL_CA_BUNDLE'] = ''
from dotenv import load_dotenv, find_dotenv
_ = load_dotenv(find_dotenv())

6
docs/chapter7/RAG/LLM.py
View File

@@ -11,7 +11,7 @@ import os
from typing import Dict, List, Optional, Tuple, Union
PROMPT_TEMPLATE = dict(
RAG_PROMPT_TEMPALTE="""使用以上下文来回答用户的问题。如果你不知道答案，就说你不知道。总是使用中文回答。
RAG_PROMPT_TEMPLATE="""使用以上下文来回答用户的问题。如果你不知道答案，就说你不知道。总是使用中文回答。
问题: {question}
可参考的上下文：
···
@@ -19,7 +19,7 @@ PROMPT_TEMPLATE = dict(
···
如果给定的上下文无法让你做出回答，请回答数据库中没有这个内容，你不知道。
有用的回答:""",
InternLM_PROMPT_TEMPALTE="""先对上下文进行内容总结,再使用上下文来回答用户的问题。如果你不知道答案，就说你不知道。总是使用中文回答。
InternLM_PROMPT_TEMPLATE="""先对上下文进行内容总结,再使用上下文来回答用户的问题。如果你不知道答案，就说你不知道。总是使用中文回答。
问题: {question}
可参考的上下文：
···
@@ -65,7 +65,7 @@ class InternLMChat(BaseModel):
self.load_model()
def chat(self, prompt: str, history: List = [], content: str='') -> str:
prompt = PROMPT_TEMPLATE['InternLM_PROMPT_TEMPALTE'].format(question=prompt, context=content)
prompt = PROMPT_TEMPLATE['InternLM_PROMPT_TEMPLATE'].format(question=prompt, context=content)
response, history = self.model.chat(self.tokenizer, prompt, history)
return response

14
docs/chapter7/RAG/requirements.txt Normal file
View File

@@ -0,0 +1,14 @@
openai
zhipuai
numpy
python-dotenv
torch
torchvision
torchaudio
transformers
tqdm
PyPDF2
markdown
html2text
tiktoken
beautifulsoup4

57
docs/chapter7/第七章 大模型应用.md
View File

@@ -17,7 +17,6 @@
2. **工具使用评测集**：
- **BFCL V2**：用于评测模型在复杂工具使用任务中的表现，特别是在执行多步骤操作时的正确性和效率。这些任务通常涉及与数据库交互或执行特定指令，以模拟实际工具使用场景。
- **Nexus**：用于测试模型在多步骤操作中的工具使用能力，主要评估其在多任务操作中的协调性和任务管理能力，如进行文件操作、数据整合等复杂流程。
3. **数学评测集**：
- **GSM8K**：GSM8K是一个包含小学数学问题的数据集，用于测试模型的数学推理和逻辑分析能力。具体任务包括算术运算、简单方程求解、数字推理等。GSM8K中的问题虽然看似简单，但模型需要理解问题语义并进行正确的数学运算，体现了逻辑推理和语言理解的双重挑战。
@@ -481,29 +480,6 @@ def get_current_datetime() -> str:
formatted_datetime = current_datetime.strftime("%Y-%m-%d %H:%M:%S")
return formatted_datetime
def add(a: float, b: float):
"""
计算两个浮点数的和。
:param a: 第一个浮点数。
:param b: 第二个浮点数。
:return: 两个浮点数的和。
"""
return str(a + b)
def compare(a: float, b: float):
"""
比较两个浮点数的大小。
:param a: 第一个浮点数。
:param b: 第二个浮点数。
:return: 比较结果的字符串表示。
"""
if a > b:
return f'{a} is greater than {b}'
elif a < b:
return f'{b} is greater than {a}'
else:
return f'{a} is equal to {b}'
def count_letter_in_string(a: str, b: str):
"""
统计字符串中某个字母的出现次数。
@@ -513,6 +489,28 @@ def count_letter_in_string(a: str, b: str):
"""
return str(a.count(b))
def search_wikipedia(query: str) -> str:
"""
在维基百科中搜索指定查询的前三个页面摘要。
:param query: 要搜索的查询字符串。
:return: 包含前三个页面摘要的字符串。
"""
page_titles = wikipedia.search(query)
summaries = []
for page_title in page_titles[: 3]: # 取前三个页面标题
try:
# 使用 wikipedia 模块的 page 函数，获取指定标题的维基百科页面对象。
wiki_page = wikipedia.page(title=page_title, auto_suggest=False)
# 获取页面摘要
summaries.append(f"页面: {page_title}\n摘要: {wiki_page.summary}")
except (
wikipedia.exceptions.PageError,
wikipedia.exceptions.DisambiguationError,
):
pass
if not summaries:
return "维基百科没有搜索到合适的结果"
return "\n\n".join(summaries)
# ... (可能还有其他工具函数)
```
@@ -552,7 +550,7 @@ from utils import function_to_json
# 导入定义好的工具函数
from tools import get_current_datetime, add, compare, count_letter_in_string
SYSREM_PROMPT = """
SYSTEM_PROMPT = """
你是一个叫不要葱姜蒜的人工智能助手。你的输出应该与用户的语言保持一致。
当用户的问题需要调用工具时，你可以从提供的工具列表中调用适当的工具函数。
"""
@@ -669,6 +667,11 @@ if __name__ == "__main__":
运行 `python demo.py` 后，你可以开始提问。如果问题需要调用工具，Agent 会自动处理。
<div align='center'>
<img src="https://raw.githubusercontent.com/datawhalechina/happy-llm/main/docs/images/7-images/7-3-streamlit-demo.png" alt="alt text" width="80%">
<p>图7.10 Agent 工作流程</p>
</div>
**示例交互:**
```bash
@@ -691,6 +694,10 @@ Assistant: 当前的时间是2025年4月26日17:01:33。不过，我注意到
User: exit
```
另外，我们也准备了一份可以展示的 Streamlit 应用，可以运行在本地，展示 Agent 的功能。`streamlit run web_demo.py` 来运行，以下为 Agent 运行效果。
**参考文献**
[1] Hugging Face. (2023). *Open LLM Leaderboard: 开源大语言模型基准测试平台*. https://huggingface.co/spaces/open-llm-leaderboard/open_llm_leaderboard

BIN
docs/images/7-images/7-3-streamlit-demo.png Normal file
View File

Binary file not shown.
Side by Side

After

Width:  |  Height:  |  Size: 181 KiB