bash
# 安装LangChain核心库
pip install langchain
# 安装OpenAI SDK（用于调用大模型）
pip install openai
# 安装搜索工具依赖（用于调用SerpAPI）
pip install google-search-results
# 安装环境变量管理工具（可选，方便管理API密钥）
pip install python-dotenv

env
# OpenAI API密钥（从https://platform.openai.com获取）
OPENAI_API_KEY="sk-xxxxxx"
# SerpAPI密钥（从https://serpapi.com获取，用于搜索功能）
SERPAPI_API_KEY="xxxxxx"

python
from dotenv import load_dotenv
import os

# 加载.env文件中的环境变量
load_dotenv()
# 获取API密钥
openai_api_key = os.getenv("OPENAI_API_KEY")
serpapi_api_key = os.getenv("SERPAPI_API_KEY")

python
from langchain.llms import OpenAI

# 初始化大模型
llm = OpenAI(
    model_name="gpt-3.5-turbo-instruct",  # 轻量且性价比高的模型
    api_key=openai_api_key,
    temperature=0.7  # 创造性适中，0为最严谨，1为最有创造性
)

# 测试生成内容
result = llm.generate(["用一句话介绍LangChain"])
print(result.generations[0][0].text)

python
from langchain.chat_models import ChatOpenAI

# 初始化聊天模型
chat_llm = ChatOpenAI(
    model_name="gpt-3.5-turbo",
    api_key=openai_api_key,
    temperature=0.5
)

python
from langchain.tools import SerpAPIWrapper, PythonREPLTool

# 初始化搜索工具
search_tool = SerpAPIWrapper(serpapi_api_key=serpapi_api_key)
# 初始化Python代码执行工具（用于数据处理、生成表格等）
python_repl_tool = PythonREPLTool()

# 工具列表（后续传入Agent）
tools = [
    {
        "name": "search",
        "description": "用于获取实时信息、最新数据，如热门库排名、行业动态等",
        "func": search_tool.run
    },
    {
        "name": "python_repl",
        "description": "用于执行Python代码，处理数据、生成文件（如Excel表格、图表）等",
        "func": python_repl_tool.run
    }
]

python
from langchain.memory import ConversationBufferMemory

# 初始化记忆组件，指定记忆键为"chat_history"
memory = ConversationBufferMemory(
    memory_key="chat_history",
    return_messages=True  # 返回消息对象，更易处理
)

python
from dotenv import load_dotenv
import os
from langchain.chat_models import ChatOpenAI
from langchain.tools import SerpAPIWrapper, PythonREPLTool
from langchain.memory import ConversationBufferMemory
from langchain.agents import initialize_agent, AgentType

# 1. 加载环境变量和初始化组件
load_dotenv()
openai_api_key = os.getenv("OPENAI_API_KEY")
serpapi_api_key = os.getenv("SERPAPI_API_KEY")

# 初始化大模型
chat_llm = ChatOpenAI(
    model_name="gpt-3.5-turbo",
    api_key=openai_api_key,
    temperature=0.5
)

# 初始化工具
search_tool = SerpAPIWrapper(serpapi_api_key=serpapi_api_key)
python_repl_tool = PythonREPLTool()
tools = [
    {
        "name": "Search",
        "description": "获取2023-2025年Python数据处理库的热门排名、核心特性、更新日志等实时信息",
        "func": search_tool.run
    },
    {
        "name": "Python_REPL",
        "description": "用pandas处理数据、生成对比表格，并用openpyxl保存为Excel文件",
        "func": python_repl_tool.run
    }
]

# 初始化记忆
memory = ConversationBufferMemory(
    memory_key="chat_history",
    return_messages=True,
    output_key="output"  # 与Agent输出键对应
)

# 2. 初始化Agent
agent = initialize_agent(
    tools=tools,
    llm=chat_llm,
    agent=AgentType.CHAT_CONVERSATIONAL_REACT_DESCRIPTION,  # ReAct风格的聊天Agent
    memory=memory,
    verbose=True,  # 打印详细流程（调试用）
    return_intermediate_steps=True,  # 返回中间步骤（可选）
    handle_parsing_errors=True  # 处理解析错误
)

# 3. 执行任务
task = "整理2023-2025年Python热门数据处理库，要求：1. 筛选Top5热门库；2. 对比核心特性、适用场景、性能优势；3. 生成Excel表格保存到当前目录，文件名'python_data_libs_2023_2025.xlsx'"
result = agent({"input": task})

# 4. 输出结果
print("任务执行完成！")
print("最终结果：", result["output"])

text
> Entering new AgentExecutor chain...
Thought: 我需要先搜索2023-2025年Python热门数据处理库的Top5，获取各库信息后用pandas生成表格。
Action:
{
  "name": "Search",
  "parameters": {
    "query": "2023-2025 Python 热门数据处理库 Top5 核心特性 适用场景 性能"
  }
}
...（搜索结果返回）
Thought: 已获取Top5库：pandas、Polars、Dask、Vaex、PySpark。接下来用Python_REPL生成表格。
Action:
{
  "name": "Python_REPL",
  "parameters": {
    "query": "import pandas as pd\n# 构造数据\n数据 = {\n    '库名': ['pandas', 'Polars', 'Dask', 'Vaex', 'PySpark'],\n    '核心特性': ['成熟稳定，API丰富', 'Rust编写，速度快', '分布式计算', '内存映射，大文件处理', '大数据集群计算'],\n    '适用场景': ['中小规模数据', '实时数据处理', '大规模分布式数据', '单节点大文件', '企业级大数据'],\n    '性能优势': ['兼容性强', '比pandas快5-10倍', '支持TB级数据', '低内存占用', '高并发处理']\n}\ndf = pd.DataFrame(数据)\n# 保存为Excel\ndf.to_excel('python_data_libs_2023_2025.xlsx', index=False)\nprint('表格生成成功！')"
  }
}
...（代码执行完成）
Thought: 任务已完成，生成Excel表格保存到当前目录。
Final Answer: 2023-2025年Python热门数据处理库Top5对比表格已生成，文件名：python_data_libs_2023_2025.xlsx，包含核心特性、适用场景、性能优势等信息。

任务执行完成！
最终结果：2023-2025年Python热门数据处理库Top5对比表格已生成...

python
from langchain.prompts import ChatPromptTemplate

# 自定义Prompt模板
prompt_template = ChatPromptTemplate.from_messages([
    ("system", "你是一个专业的数据处理助手，遵循以下规则：1. 搜索时若结果模糊，需补充关键词重新搜索；2. 生成表格时需验证数据准确性；3. 遇到错误需告知用户并重试。"),
    ("human", "{input}"),
    ("ai", "{chat_history}")
])

# 初始化Agent时传入自定义Prompt
agent = initialize_agent(
    tools=tools,
    llm=chat_llm,
    agent=AgentType.CHAT_CONVERSATIONAL_REACT_DESCRIPTION,
    memory=memory,
    verbose=True,
    prompt=prompt_template  # 传入自定义Prompt
)