当前位置：首页 > news >正文

LangChain - 如何使用阿里云百炼平台的Qwen-plus模型构建一个桌面文件查询AI助手 - 超详细

news 2025/10/13 10:37:55

该文章，将使用阿里云百炼平台的Qwen-plus模型作为llm模型。

所以在进行后面代码编写之前要申请百炼大模型平台的api-key。

获取参考：如何获取API Key_大模型服务平台百炼(Model Studio)-阿里云帮助中心

获取key后，我们可以编写一个.env文件来储存

#阿里云百炼平台
DASHSCOPE_API_KEY="sk-xxxxxxxxxxxxxxxxxxxxx"
DASHSCOPE_BASE_URL="https://dashscope.aliyuncs.com/compatible-mode/v1"

然后我们就可以开始编写我们的代码了。

首先需要对第三方库的引入：

import dotenv
import os
from langchain_core.tools import tool
from langchain_core.prompts import ChatPromptTemplate
from langchain_openai import ChatOpenAI

然后我们需要通过dotenv和os库来获取我们配置在env的密钥和url：

dotenv.load_dotenv()
DASHSCOPE_API_KEY = os.getenv("DASHSCOPE_API_KEY")
DASHSCOPE_BASE_URL = os.getenv("DASHSCOPE_BASE_URL")# 禁用 LangSmith
os.environ["LANGCHAIN_TRACING_V2"] = "false"
os.environ["LANGCHAIN_API_KEY"] = ""

- 加载 .env 文件中的环境变量
- 获取阿里百炼的 API 配置
- 禁用 LangSmith 追踪（避免因为没有配置LangSmith密钥的 403 错误，防止影响观感）

然后进行工具函数定义：


@tool
def search_Desktop_app() -> str:"""获取桌面文件和文件夹名称信息"""try:# 使用用户指定的桌面路径desktop_path = r"D:\System\Desktop"# 检查桌面路径是否存在if not os.path.exists(desktop_path):return f"桌面路径不存在：{desktop_path}"# 获取桌面上的文件和文件夹items = []for item in os.listdir(desktop_path):item_path = os.path.join(desktop_path, item)if os.path.isfile(item_path):items.append(f"📄 {item}")elif os.path.isdir(item_path):items.append(f"📁 {item}")else:items.append(f"❓ {item}")# 返回格式化的结果if not items:return f"桌面 {desktop_path} 是空的"result = f"桌面路径：{desktop_path}\n文件列表：\n" + "\n".join(items)result += f"\n总计：{len(items)} 个项目"return resultexcept Exception as e:return f"获取桌面文件时出错：{str(e)}"tools = [search_Desktop_app]

由于我的桌面在D盘，你们使用的时候要切换为自己的桌面路径。

tools = [search_Desktop_app]

将我们编写的方法储存在tools数组中，一会儿用于配置到agent中。

AI-agent配置：


# 构建LLM
llm = ChatOpenAI(openai_api_key=DASHSCOPE_API_KEY,openai_api_base=DASHSCOPE_BASE_URL,model="qwen-plus",temperature=0.1,max_tokens=4096,
)prompt = ChatPromptTemplate.from_messages([("system","你是一个AI助手。如果用户提到桌面文件或文件夹，你可以使用工具获取相关信息。请直接给出简洁的回答，不要显示思考过程。",),("human", "{input}"),
])

现在我们就可以编写主要逻辑-main函数：

def main():print("应用开始执行。\n")while True:user_question = input("请输入您的问题：")if user_question.lower() in ['quit', 'exit']:print("👋 再见！")breaktry:# 绑定工具并调用chain = prompt | llm.bind_tools(tools)response = chain.invoke({"input": user_question})# 处理工具调用if hasattr(response, 'tool_calls') and response.tool_calls:# 执行工具调用tool_call = response.tool_calls[0]if tool_call["name"] == "search_Desktop_app":tool_result = search_Desktop_app(tool_call["args"])# 再次调用获取最终回答final_response = chain.invoke({"input": f"{user_question}。根据工具返回：{tool_result}，请直接回答。"})print(final_response.content)else:print(f"未知工具调用：{tool_call['name']}")else:# 直接打印普通回答print(response.content)except Exception as e:print(f"处理问题时出错：{str(e)}")if __name__ == "__main__":main()debug = True

- 智能工具调用：
- 如果用户询问桌面相关问题，AI 会自动调用 search_Desktop_app 工具
- 获取桌面信息后，再次调用 AI 生成基于实际数据的回答
- 异常处理：捕获并显示运行时的错误信息

最后我们就可以启动我们的文件: