从workflow到ReAct提升AI Agent智能化水平

import openai
import json
from typing import get_type_hints
# 示例函数定义
def get_current_weather(location: str, unit: str = "celsius") -> str:
    """获取指定地区的当前天气情况"""
    # 这里模拟天气数据
    weather_data = {
        "beijing": {"celsius": 22, "fahrenheit": 72},
        "new york": {"celsius": 18, "fahrenheit": 64}
    }
    returnf"{location}天气：{weather_data.get(location.lower(), {}).get(unit, '未知')}°{unit}"
def calculate(expression: str) -> float:
    """执行数学计算（支持加减乘除）"""
    try:
        returneval(expression.replace("^", "**"))
    except:
        return"计算错误"
# 生成函数描述JSON Schema
def generate_function_schema(func):
    hints = get_type_hints(func)
    doc = func.__doc__.split("\n") if func.__doc__ else""
    
    return {
        "name": func.__name__,
        "description": doc,
        "parameters": {
            "type": "object",
            "properties": {
                param: {
                    "type": "string"if hints.get(param) == strelse"number",
                    "description": f"{param}参数"
                } for param inlist(hints.keys())[:-1]  # 排除返回类型
            },
            "required": list(get_type_hints(func).keys())[:-1]
        }
    }
# 可用函数列表
available_functions = {
    "get_current_weather": get_current_weather,
    "calculate": calculate
}
# 生成函数描述列表
functions = [generate_function_schema(func) for func in available_functions.values()]
# 与LLM交互的核心函数
def run_conversation(user_query: str):
    # 第一次LLM调用（选择函数）
    response = openai.ChatCompletion.create(
        model="gpt-3.5-turbo-0613",  # 要选择支持函数调用的模型
        messages=[{"role": "user", "content": user_query}],
        functions=functions,   # 输入函数定义
        function_call="auto"
    )
    
    response_message = response["choices"]["message"]
    
    # 如果LLM选择调用函数，就会在输出response_message中，把要调用的函数和对应参数都输出
    if response_message.get("function_call"):
        function_name = response_message["function_call"]["name"]
        function_args = json.loads(response_message["function_call"]["arguments"])
        
        print(f"LLM选择调用函数: {function_name}")
        print(f"参数: {function_args}")
        
        # 执行对应函数
        if function_name in available_functions:
            function_to_call = available_functions[function_name]
            
            # 参数类型转换
            try:
                args = {k: str(v) for k,v in function_args.items()}  # 统一转为字符串
                if function_name == "calculate":
                    args["expression"] = args["expression"].replace(" ", "")
                # 敲黑板 注意：实际执行函数还是本地代码，并不是LLM直接去调用哈 
                result = function_to_call(**args)  
                returnf"执行结果: {result}"
            except Exception as e:
                returnf"执行错误: {str(e)}"
        else:
            return"未知函数调用"
    else:
        return"未触发函数调用"
# 测试用例
if __name__ == "__main__":
    test_cases = [
        "北京现在的气温是多少？",
        "帮我计算(3 + 5) * 2^3的值",
        "今天纽约的天气怎么样？用华氏度"
    ]
    
    for query in test_cases:
        print(f"\n用户问：{query}")
        print("->", run_conversation(query))