1. Learn
    2. /
  2. 课程
    3. /
  3. 使用 LangChain 设计 Agentic 系统
Connected

道练习

创建一个函数来返回 LLM 响应

您的聊天机器人现在已经集成了许多工具。当问题与已添加的任何工具都无关时，直接调用 LLM 仍然很有用。您现在将定义一个函数，用于检查对话中的最后一条消息是否包含潜在的工具调用。如果没有，聊天机器人将直接使用 LLM 返回答案。为同时处理用户的提问和机器人的回复，以下模块已为您导入，用于处理不同类型的消息。

from langchain_core.messages import AIMessage, HumanMessage

说明

100 XP
  • 使用 "messages" 从 state 中获取最后一条消息。
  • 编写条件语句，检查 last_message 是否为 AIMessage，且该消息包含 tool_calls。
  • 若条件满足，从 last_message 的 tool_calls 中取出第一个 "response"，并将其放入 AIMessage 的 content 字段中返回。
  • 若条件不满足，对 model_with_tools 调用 .invoke() 生成响应，传入来自 state["messages"] 的完整对话历史。