武汉做网站便宜公司灰色推广引流联系方式
目录
一、功能概述
二、文件结构
三、城市天气实时查询（运行代码）
weather_runnable.py
main.py
运行结果
四、技术亮点
五、使用场景
一、功能概述
它实现了以下主要功能：
-
用户输入地点（城市名）
-
构造提示词（Prompt）生成自然语言问题
-
异步调用 Open-Meteo API 查询该城市当前气温
-
调用 OpenAI GPT-4o 模型，让它基于气温给出外出建议
二、文件结构
your_project/
├── weather_runnable.py ✅ 自定义异步 Runnable 类
├── main.py ✅ 主程序，构建异步链并执行
三、城市天气实时查询（运行代码）
weather_runnable.py
这是一个符合 LangChain LCEL 规范的异步组件，继承自 Runnable。
-
实现了
ainvoke方法，用于异步调用天气 API。 -
使用
aiohttp获取 Open-Meteo 提供的天气数据。 -
支持城市：Beijing、Shanghai、New York（可扩展）。
# weather_runnable.py
import aiohttp
from typing import Any, Optional
from langchain_core.runnables import Runnableclass WeatherLookupAsyncRunnable(Runnable):"""异步版：调用 Open-Meteo API 获取城市天气"""def get_coordinates(self, city: str):city_map = {"Beijing": (39.9042, 116.4074),"Shanghai": (31.2304, 121.4737),"New York": (40.7128, -74.0060),}return city_map.get(city)def invoke(self, input: Any, config: Optional[dict] = None) -> str:raise NotImplementedError("这是一个异步组件，请使用 ainvoke() 调用。")async def ainvoke(self, input: Any, config: Optional[dict] = None) -> str:if not isinstance(input, str):raise ValueError("输入必须是字符串（城市名）")coords = self.get_coordinates(input)if coords is None:return f"暂不支持城市：{input}"lat, lon = coordsurl = (f"https://api.open-meteo.com/v1/forecast?"f"latitude={lat}&longitude={lon}¤t_weather=true")try:async with aiohttp.ClientSession() as session:async with session.get(url) as response:if response.status != 200:return "天气 API 请求失败"data = await response.json()temp = data.get("current_weather", {}).get("temperature")return f"当前{input}的气温是 {temp}°C" if temp is not None else "未获取到气温"except Exception as e:return f"请求过程中出错: {str(e)}"
main.py
这是主程序，执行以下流程：
-
构造提示词： 使用
ChatPromptTemplate创建一个天气查询句子。 -
调用天气服务： 执行自定义异步
Runnable，获取当前气温。 -
调用 GPT-4o： 让 LLM 根据天气数据生成建议，比如“适合出门”或“建议带伞”。
# main.py
import asyncio
from weather_runnable import WeatherLookupAsyncRunnable
from langchain_core.prompts import ChatPromptTemplate
from langchain_openai import ChatOpenAI # ✅ 用 langchain_openai，不要再用老接口prompt = ChatPromptTemplate.from_template("请问{location}的天气如何？")
llm = ChatOpenAI(model="gpt-4o")weather = WeatherLookupAsyncRunnable()async def run():# 1. 生成用户问题question = prompt.invoke({"location": "Beijing"}).to_string()print("Prompt output:", question)# 2. 实际调用天气 API（最关键）weather_result = await weather.ainvoke("Beijing")print("天气查询结果：", weather_result) # 3. 由 LLM 生成回复llm_output = llm.invoke(f"根据{weather_result},简短描述一下今天是否适合出门，需要注意什么")print("LLM output:", llm_output.content)asyncio.run(run())
运行结果
Prompt output: Human: 请问Beijing的天气如何？
天气查询结果： 当前Beijing的气温是 23.9°C
LLM output: 今天北京的气温是23.9°C，天气较为宜人，非常适合出门活动。不过建议根据具体的天气情况查看是否有降水或其它天气变化，出门时根据个人体感选择适合的衣物。此
外，可以适当携带水杯保持水分补充，同时注意防晒措施，以确保舒适的户外体验。
四、技术亮点
| 技术 | 用途 |
|---|---|
| LangChain Core / LCEL | 构建可组合的数据流 |
| Runnable Async | 实现异步接口逻辑，非阻塞式 |
| aiohttp | 高效异步 HTTP 请求库 |
| OpenAI GPT-4o | 生成智能出行建议 |
| ChatPromptTemplate | 动态构造人类语言输入 |
五、使用场景
-
AI 助理天气模块
-
旅游或日程规划建议工具
-
多轮对话集成的一个工具链组件