会话模型
本教程演示如何使用针对对话优化的代理(agent)。其他代理通常针对使用工具来找到最佳应答进行优化，但在对话环境中，您可能希望代理能够与用户进行聊天。
本示例演示如何为聊天模型创建一个会话代理。它将使用特定于聊天的提示。
import { ChatOpenAI } from "langchain/chat_models/openai";
import { initializeAgentExecutorWithOptions } from "langchain/agents";
import { SerpAPI } from "langchain/tools";
import { Calculator } from "langchain/tools/calculator";
export const run = async () => {
process.env.LANGCHAIN_HANDLER = "langchain";
const model = new ChatOpenAI({ temperature: 0 });
const tools = [
new SerpAPI(process.env.SERPAPI_API_KEY, {
location: "Austin,Texas,United States",
hl: "en",
gl: "us",
}),
new Calculator(),
];
// 将 "chat-conversational-react-description" 作为代理类型传递，会自动创建并使用带执行器的 BufferMemory。
// 如果您希望覆盖此行为，可以传递自定义的 memory 选项，但它的 memoryKey 必须是 "chat_history"。
const executor = await initializeAgentExecutorWithOptions(tools, model, {
agentType: "chat-conversational-react-description",
verbose: true,
});
console.log("已加载代理。");
const input0 = "你好，我是鲍勃";
const result0 = await executor.call({ input: input0 });
console.log(`输出：${result0.output}`);
const input1 = "我的名字是什么？";
const result1 = await executor.call({ input: input1 });
console.log(`输出：${result1.output}`);
const input2 = "庞弗雷特的天气如何？";
const result2 = await executor.call({ input: input2 });
console.log(`输出：${result2.output}`);
};
输出结果：
已加载代理。
进入新的 agent_executor 链...
{
"action": "最终答案",
"action_input": "您好，鲍勃！我今天可以如何帮助您？"
}
链结束。
输出：您好，鲍勃！我今天可以如何帮助您？
进入新的 agent_executor 链...
{
"action": "最终答案",
"action_input": "您的名字是鲍勃。"
}
链结束。
输出：您的名字是鲍勃。
进入新的 agent_executor 链...
```json
{
"action": "搜索",
"action_input": "庞弗雷特的天气"
}
开始持续下雨……然后天气多云，有几次阵雨。最高温度48华氏度。西北偏西风，10到15英里/小时。降雨概率80%。
{
"action": "最终答案",
"action_input": "庞弗雷特的天气是：开始持续下雨……然后天气多云，有几次阵雨。最高温度48华氏度。西北偏西风，10到15英里/小时。降雨概率80%。"
}
链结束。
输出：庞弗雷特的天气是：开始持续下雨……然后天气多云，有几次阵雨。最高温度48华氏度。西北偏西风，10到15英里/小时。降雨概率80%。