使用@tool装饰器，可以将普通函数转换为langchain函数@tool"""两个整数相加"""3add_number 两个整数相加 {'a': {'title': 'A', 'type': 'integer'}, 'b': {'title': 'B', 'type': 'integer'}}可以通过函数.name等获取函数的信息，将其交给大模型。通过@tool装饰器的函数，也是一个Runnab

但不是使用传统的 GUI，而是让 LLM 去询问用户的 MBTI 和问题，多次对话，直到 LLM 认为收集到了足够的参数后，再调用对应的函数去回答用户的问题。接着创建一个agent，该智能体主要用来与用户的沟通，获取用户的信息，判断用户的类型，然后调用tool去调用mbtiChain来回答用户的问题。所以，类似于 RAG 的思路，我们把标准的算卦流程和真实的八卦信息，由我们代码生成，并在后续 ch

无论是reAct还是openAI tools，提供给agents的tool都影响着agents的应用范围和效果。自定义tool: 需要的参数是工具的名称，描述和真实调用的函数，这里名称和描述将影响llm何时调用，具有一定的语义。在函数的实现上，不要抛出错误，而是返回错误信息的字符串。llm可以据此决定下一步行动。DynamicTool，只支持单一的字符串作为函数输入。因为向 reAct 框架，并不

前面的只是将历史记录完整的传递到LLM中，我们可以对LLM的历史记录进行更多操作，例如只传递最近的K条历史记录等还可以实现自动对当前聊天记录进行总结，让llm根据总结的信息回复用户的chain。首先实现一个总结的chainsummary，上一次总结的信息new_lines，用户和 llm 新的回复这个chain比较基础，传入两个变量prompt，然后将prompt传递给chat model，最后传

跟llm交互也是类似，在 prompt 中使用合适的关键词，能让 llm “召回” 到跟你提问最相关的资。上述我们的k设置了2，因为原文中茴香豆可能就出现了两次，所以是合理的，但是如果是其他问题，比如孔乙己平常在做什么，设置2就不满足了，所以我们需要定义另一种返回参考文档数量的方式，而不是暴力的定义数量。因为原始输入茴香豆是做什么用的，比较有歧义，对用户来说，他可能想了解的答案就是“茴香豆是下酒用

回过头看这个图基础智能体：其实就是跟大模型进行一些简单交互的Agent；多智能体：把和大模型交互的多个步骤，整合到一起，形成一个完整的智能体，中间是以图的结构，有一个完整的业务流程。复杂智能体：就是把任务的调度过程，交由智能体自己判断（智能体判断调用哪些工具/智能体）以前0.x版本，LangChain最为经典的LCEL链式编程依然支持，不过从官网的文档中删除了。看一下chain的democonst

最基本的可以学langchain的python入门程度

封装一个antd的Form表单效果：只需传入配置文件定义配置类型整体：import React, { memo, useEffect, useRef } from "react";import { Form, Input, Button, Checkbox, Select, FormInstance } from "antd";import { Props } from "./type";impo

nexttick官方的解释就是：将回调推迟到下一个DOM更新周期之后执行，在更改了一些数据后等待dom更新后立即使用。比如有个需求，点击按钮后修改h2的message, 在修改h2后要获取其高度。一般有三种做法：1 点击按钮后立即获取到h2的高度（X）2 在updated获取 （其他数据更改也会影响）3 在nexttick中获取。nextTick只有在这个方法里面用才有效。别的state更新的时候

Tree shaking树摇晃，比如一颗树上的果子已经成熟了，那么他就不需要在树上了，摇晃着下来，树也会变得简洁。代码的话，比如一些代码如函数，定义后但是没有用到，那么这个代码就不会被打包。Tree shaking,计算机表示消除dead-code。用于消除未调用的代码，因为纯函数无副作用，所以可以放心消除，这也是为什么要尽量使用纯函数进行编程。Js中的Tree shaking主要是源自rollu