赞
踩
前段时间写了一篇关于使用CrewAI来实现的多智能体,来实现团队工作周报的汇总工作的案例,很多朋友反馈使用多智能体的过程中,智能体的“自由发挥”不太可控,导致生成的结果不稳定,甚至出现幻觉的情况,为了解决这个问题,我们今天来尝试一下单纯使用LangChain看看是否还有相同的问题,效果会不会好点。
在开始编写脚本之前,我们需要确保开发环境已经准备就绪,并对需求进行详细分析。
email
用于发送邮件,langchain
用于处理文本等。./docs
目录下所有以.md
格式存放的个人工作周报文件。首先,我们需要编写一个函数来读取每个员工的工作周报。我们将遍历./docs
目录下的所有.md
文件,并读取它们的内容。
import os
def read_weekly_reports(directory):
reports = {}
for filename in os.listdir(directory):
if filename.endswith('.md'):
name = filename.split('.')[0] # 假设文件名是"姓名 工作周报"
with open(os.path.join(directory, filename), 'r', encoding='utf-8') as file:
reports[name] = file.read()
return reports
接下来,我们需要将读取到的个人周报汇总成一份团队周报。我们将创建一个新的函数来完成这项任务。
def summarize_reports(reports): summary = "团队工作周报:\n\n" all_str = "" for name, report in reports.items(): all_str += f"{name}:\n{report}\n\n" # 初始化LLM llm = ChatOpenAI(openai_api_key=os.getenv("OPENAI_API_KEY"),model="gpt-3.5-turbo-0125") from langchain_core.prompts import ChatPromptTemplate prompt = ChatPromptTemplate.from_messages([ ("system", "你是一个部门工作周报撰写者"), ("user", f""" 请根据以下的个人工作周报内容,要求markdown格式,将个人周报合并,生成部门本周工作总结,生成的部门工作周报不包含人名: {all_str} """) ]) from langchain_core.output_parsers import StrOutputParser output_parser = StrOutputParser() chain = prompt | llm | output_parser summary = chain.invoke({"input": all_str}) return summary
最后,我们需要编写一个函数来发送汇总好的团队周报。我们将使用Python的email
库来实现邮件的发送。
from email import EmailMessage def send_email(summary): # 填写你的阿里企业邮箱SMTP配置信息 sender = 'your_email@example.com' receiver = 'leader_email@example.com' subject = '团队工作周报' message = EmailMessage() message.set_content(summary) message['From'] = sender message['To'] = receiver message['Subject'] = subject # 这里需要使用你的邮箱SMTP服务器发送邮件 # 请替换以下信息为你的SMTP服务器设置 server = 'smtp.example.com' port = 465 username = sender password = 'your_email_password' message.send(server, port, username, password)
现在我们已经有了所有必要的函数,我们需要将它们整合到一个主函数中,并进行测试。
def main():
reports = read_weekly_reports(weekly_reports_dir)
summary = summarize_reports(reports)
send_email(summary)
if __name__ == "__main__":
main()
在运行脚本之前,请确保你已经替换了所有的占位符,如邮箱地址、SMTP服务器设置等,为实际的配置信息。运行脚本后,检查是否有任何错误,并确保邮件已成功发送。
可以看到,实际运行的效果还是非常不错的,相比多智能体来说可控的多了。
多智能体比较适合有创造性的,比较复杂的,流程不单一的场景,可以给智能体一定的“自由发挥”的空间,而对于场景单一,流程相对固定的场景,只要提示词写的足够好,LangChain就可以满足需求了。
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。