python机器人Agent编程——实现一个本地大模型和爬虫结合的手机号归属地天气查询Agent

目录

  • 一、前言
  • 二、准备工作
  • 三、Agent结构
  • 四、python模块实现
    • 4.1 实现手机号归属地查询工具
    • 4.2实现天气查询工具
    • 4.3定义创建Agent主体
    • 4.4创建聊天界面
  • 五、小结
  • PS.扩展阅读
    • ps1.六自由度机器人相关文章资源
    • ps2.四轴机器相关文章资源
    • ps3.移动小车相关文章资源
    • ps3.wifi小车控制相关文章资源

一、前言

在本文中，我们将逐步实现一个手机号归属地天气查询agent。这个agent将能够接收用户的手机号输入，自动查询该手机号的归属地，并进一步根据获取的城市信息查询该地区的实时天气信息。我们将使用Python语言，并结合qwen_agent库，及fastapi服务来实现这个功能。
在这里插入图片描述

二、准备工作

首先，确保你已经安装了Python环境和以下库：

  • qwen_agent：用于创建agent的框架。
  • requests：用于发送HTTP请求。
  • phone:用于查询手机号归属地
  • json：用于处理JSON数据。
  • re：用于正则表达式匹配。
  • 本地大模型服务：ollama本地大模型管理软件及qwen大模型。
  • fastapi：用户构建web前端聊天界面
    如果还没有安装这些库，可以通过以下命令安装：
pip install qwen_agent requests #其它所需的模块

这里如果没有装所需的库，运行时会提示，根据提示安装缺的库即可。
没有ollama也先去安装ollama并运行qwen大模型，过程非常简单，网上很多，不再赘述。
在这里插入图片描述

三、Agent结构

qwen智能体基本结构是这样的：先定义工具类tools，然后定义智能体的任务描述，然后创建一个智能体，再然后就是web发布智能体服务，进行双向通讯。
在这里插入图片描述

四、python模块实现

在这里插入图片描述

4.1 实现手机号归属地查询工具

我们首先定义一个工具MobileAddress，用于查询手机号的归属地。这个工具将使用phone库的API调用来获取归属地信息。

@register_tool('get_mobile_address')
class MobileAddress(BaseTool):description = '手机号归属地查询服务，输入手机号，返回该手机号的归属地。'parameters = [{'name': 'mobile','type': 'string','description': '输入的手机号','required': True}]def call(self, params: str, **kwargs) -> str:  print("调用了function:", len(params))print("字符串内容：",params)try:params_json = json.loads(params[:-1])prompt = params_json["mobile"]print("转化后的号码:", prompt)except json.JSONDecodeError as e:print("JSON解析错误:", e)return "参数格式错误"        res=p.find(prompt)print("原始查询结果：",res)return res

4.2实现天气查询工具

接下来，我们定义另一个工具WeatherByAddress，用于根据城市名称查询天气信息。这个工具将使用另一个外部API来获取天气数据。

@register_tool('get_weather')
class WeatherByAddress(BaseTool):description = '根据提供的城市名称，查找代码，并通过互联网请求查询天气信息。'parameters = [{'name': 'city', 'type': 'string', 'description': '城市名称', 'required': True}]def call(self, params: str, **kwargs) -> str:try:params_json = json.loads(params)city_name = params_json["city"]# 假设我们有一个城市代码的映射字典city_code = {'Beijing': '101010100'}  # 示例代码url = f'https://www.weather.com.cn/weather1d/{city_code[city_name]}.shtml'response = requests.get(url)if response.status_code == 200:html_content = response.textmatch = re.search(r'var hour3data=(\{.*?\});', html_content)if match:hour3data = match.group(1)return hour3dataelse:return "未找到天气小时数据"else:return "请求失败，状态码: {}".format(response.status_code)except json.JSONDecodeError as e:return "参数格式错误"

4.3定义创建Agent主体

最后，我们创建一个Assistant实例，这个agent将使用我们定义的工具来处理用户的输入，并返回归属地和天气信息。

from qwen_agent.agents import Assistant# 配置LLM
llm_cfg = {'model': 'qwen',#这里可以根据自己的大模型类型修改配置参数'model_server': 'http://localhost:11434/v1',#这里可以根据自己的大模型类型修改配置参数'generate_cfg': {'top_p': 0.8}
}# 创建agent
system_instruction = '你扮演一个助手，会调用工具，首先获取用户输入的手机号码，并调用手机号归属地查询服务工具获得城市地址，然后再调用天气查询工具获得所在城市的天气信息，最后进行整理，输出手机归属地和天气信息'
tools = ['get_mobile_address', 'get_weather']
bot = Assistant(llm=llm_cfg, system_message=system_instruction, description='function calling', function_list=tools)

4.4创建聊天界面

我们将使用FastAPI来创建一个简单的Web界面，用户可以通过这个界面输入手机号，并获取归属地和天气信息。

from fastapi import FastAPI, Request, Form
from fastapi.responses import HTMLResponse
from fastapi.templating import Jinja2Templatesapp = FastAPI()
templates = Jinja2Templates(directory="templates")@app.get("/", response_class=HTMLResponse)
async def read_root(request: Request):return templates.TemplateResponse("chat.html", {"request": request})@app.post("/chat")
async def chat(message: str = Form(...)):messages = [{'role': 'user', 'content': message}]responses = bot.run(messages=messages)return {"responses": [content['content'] for content in responses]}# 运行FastAPI应用
if __name__ == '__main__':import uvicornuvicorn.run(app, host='0.0.0.0', port=9000, workers=1)

创建一个简单的html页面，如下：

<!DOCTYPE html>
<html>
<head><title>Chat Interface</title><script>function send_message() {var message = document.getElementById("message").value;if (message.trim() === "") {alert("Message cannot be empty!");return;}fetch("/chat", {method: "POST",headers: {"Content-Type": "application/x-www-form-urlencoded",},body: "message=" + encodeURIComponent(message),}).then(response => {if (!response.ok) {throw new Error("Network response was not ok");}return response.json();}).then(data => {var responses = data.responses;var chat_window = document.getElementById("chat-window");responses.forEach(response => {var response_div = document.createElement("div");response_div.innerText = response; // Fixed to access response directlychat_window.appendChild(response_div);});document.getElementById("message").value = "";chat_window.scrollTop = chat_window.scrollHeight;}).catch(error => console.error("Error:", error));}</script>
</head>
<body><div id="chat-window" style="width: 80%; height: 400px; border: 1px solid #000; overflow-y: scroll;"></div><input type="text" id="message" placeholder="Type a message..." style="height: 100px;width: 80%;"><button onclick="send_message()" style="background-color: blue; color: white; font-size: larger; padding: 10px 20px;">Send</button>
</body>
</html>

五、小结

至此，我们实现了一个anget，他可以接收我们输入的电话号码，并且调用本地大模型进行处理，先是调用一个手机号码归属地查询tool，再去调用一个天气查询爬虫tool，最后大模型综合tool的反馈信息进行整合后输出给用户。以上是简单的实现，为了更加的准确好用需要进一步优化，包括qwen-anget本身好像有点问题，有时候只能调用一个手机号码归属地函数发挥不是很稳定因此需要优化prompt，第二，可以加入更多检查工具，比如，输入的号码检查，让大模型自己先检查一下对不对，比如对回答进行一些过滤，过滤掉不必要的信息等。

本篇所有源码及安装虚拟python环境已经打包上传解压运行，下载链接

[------------本篇完-------------]

PS.扩展阅读

————————————————————————————————————————

对于python机器人编程感兴趣的小伙伴，可以进入如下链接阅读相关咨询

ps1.六自由度机器人相关文章资源

(1) 对六自由度机械臂的运动控制及python实现（附源码)
在这里插入图片描述

(2) N轴机械臂的MDH正向建模，及python算法
在这里插入图片描述

ps2.四轴机器相关文章资源

(1) 文章：python机器人编程——用python实现一个写字机器人
在这里插入图片描述

在这里插入图片描述

（2）python机器人实战——0到1创建一个自动是色块机器人项目-CSDN直播

(3)博文《我从0开始搭建了一个色块自动抓取机器人，并实现了大模型的接入和语音控制-(上基础篇)》的vrep基础环境
(3)博文《我从0开始搭建了一个色块自动抓取机器人，并实现了大模型的接入和语音控制-(上基础篇)》的vrep基础环境
(4)实现了语音输入+大模型指令解析+机器视觉+机械臂流程打通
在这里插入图片描述
在这里插入图片描述

ps3.移动小车相关文章资源

（1）python做了一个极简的栅格地图行走机器人，到底能干啥？[第五弹]——解锁蒙特卡洛定位功能-CSDN博客
(2) 对应python资源：源码地址
在这里插入图片描述
在这里插入图片描述

(3)python机器人编程——差速AGV机器、基于视觉和预测控制的循迹、自动行驶（上篇）_agv编程-CSDN博客
(4)python机器人编程——差速AGV机器、基于视觉和预测控制的循迹、自动行驶（下篇）_agv路线规划原则python-CSDN博客
对应python及仿真环境资源：源码链接
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

ps3.wifi小车控制相关文章资源

web端配套资源源代码已经上传(竖屏版)，下载地址
仿真配套资源已经上传：下载地址
web端配套资源源代码已经上传(横屏版)，下载地址

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.mzph.cn/news/884820.shtml

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

python安装selenium，geckodriver，chromedriver

python安装selenium，geckodriver，chromedriver

安装浏览器 找到浏览器的版本号 chrome 版本 130.0.6723.92&#xff08;正式版本&#xff09; &#xff08;64 位&#xff09; firfox 116.0.3 (64 位)&#xff0c;但是后面运行的时候又自动更新到了 127.0.0.8923 安装selenium > pip install selenium > pip show …
阅读更多...
基于SSM+uniapp的营养食谱系统+LW参考示例

基于SSM+uniapp的营养食谱系统+LW参考示例

1.项目介绍 功能模块&#xff1a;用户管理、年龄类型管理、阶段食谱管理、体质类型管理、季节食谱管理、职业食谱管理等系统角色&#xff1a;管理员、普通用户技术栈&#xff1a;SSM&#xff0c;uniapp&#xff0c; Vue等测试环境&#xff1a;idea2024&#xff0c;HbuilderX&a…
阅读更多...
python常用的第三方库下载方法

python常用的第三方库下载方法

方法一&#xff1a;打开pycharm-打开项目-点击左侧图标查看已下载的第三方库-没有下载搜索后点击install即可直接安装--安装成功后会显示在installed列表 方法二&#xff1a;打开dos窗口输入命令“pip install requests“后按回车键&#xff0c;看到successfully既安装成功&…
阅读更多...
vue项目安装组件失败解决方法

vue项目安装组件失败解决方法

1.vue项目 npm install 失败 删除node_modules文件夹、package-lock.json 关掉安装对话框 重新打开对话框 npm install
阅读更多...
qt QComboBox详解

qt QComboBox详解

QComboBox是一个下拉选择框控件&#xff0c;用于从多个选项中选择一个。通过掌握QComboBox 的用法&#xff0c;你将能够在 Qt 项目中轻松添加和管理组合框组件&#xff0c;实现复杂的数据选择和交互功能。 重要方法 addItem(const QString &text)&#xff1a;将一个项目添…
阅读更多...
window 利用Putty免密登录远程服务器

window 利用Putty免密登录远程服务器

1 在本地电脑用putty-gen生成密钥 参考1 参考2 2 服务器端操作 将公钥上传至Linux服务器。 复制上述公钥到服务器端的authorized_keys文件 mkdir ~/.ssh vi ~/.ssh/authorized_keys在vi编辑器中&#xff0c;按下ShiftInsert键或者右键选择粘贴&#xff0c;即可将剪贴板中的文…
阅读更多...
JAVA基础：多重循环、方法、递归 （习题笔记）

JAVA基础：多重循环、方法、递归 （习题笔记）

一&#xff0c;编码题 1.打印九九乘法表 import java.util.*;public class PanTi {public static void main(String[] args) {Scanner input new Scanner(System.in);for (int i 0; i < 9; i) {//i控制行数/* System.out.println("。\t。\t。\t。\t。\t。\t。\t。\…
阅读更多...
微服务系列二：跨微服务请求优化，注册中心+OpenFeign

微服务系列二：跨微服务请求优化，注册中心+OpenFeign

目录 前言 一、纯 RestTemplate 方案存在的缺陷 二、注册中心模式介绍 三、注册中心技术&#xff1a;Nacos 3.1 Docker部署Nacos 3.2 服务注册 3.3 服务发现 四、代码优化&#xff1a;OpenFeign工具 4.1 OpenFeign快速入门 4.2 连接池的必要性 4.3 抽取服务、最佳实…
阅读更多...
国产数据库之Vastbase海量数据库 G100

国产数据库之Vastbase海量数据库 G100

海量数据库Vastbase是基于openGauss内核开发的企业级关系型数据库。其语法和Oracle数据库很像&#xff0c;基本是从Oracle数据库迁移到海量数据库&#xff0c;以下简单介绍入门的使用 1、建库操作 地址&#xff1a;x.x.x.x root/Qa2021 安装路径&#xff1a;/home/vastbase 创…
阅读更多...
爬虫学习4

爬虫学习4

from threading import Thread#创建任务 def func(name):for i in range(100):print(name,i)if __name__ __main__:#创建线程t1 Thread(targetfunc,args("1"))t2 Thread(targetfunc, args("2"))t1.start()t2.start()print("我是诛仙剑")from …
阅读更多...
不要只知道deepl翻译，这里有10个专业好用的翻译工具等着你。

不要只知道deepl翻译，这里有10个专业好用的翻译工具等着你。

deepl翻译的优点还是有很多的&#xff0c;比如翻译的准确性很高&#xff0c;支持翻译的语言有很多&#xff0c;并且支持翻译文件和文本。但是现在翻译工具那么多&#xff0c;大家需要翻译的场景也有很多&#xff0c;怎么能只拥有一个翻译工具呢。所以在这里我帮助大家寻找了一波…
阅读更多...
使用Docker Compose构建多容器应用

使用Docker Compose构建多容器应用

&#x1f493; 博客主页&#xff1a;瑕疵的CSDN主页 &#x1f4dd; Gitee主页&#xff1a;瑕疵的gitee主页 ⏩ 文章专栏&#xff1a;《热点资讯》 使用Docker Compose构建多容器应用 引言 Docker Compose 简介 安装 Docker Compose 创建基本配置 运行多容器应用 查看服务状态 …
阅读更多...
WindowsDocker安装到D盘，C盘太占用空间了。

WindowsDocker安装到D盘，C盘太占用空间了。

Windows安装 Docker Desktop的时候，默认位置是安装在C盘，使用Docker下载的镜像文件也是保存在C盘，如果对Docker使用评率比较高的小伙伴，可能C盘空间，会被耗尽，有没有一种办法可以将Docker安装到其它磁盘，同时Docker的数据文件也保存在其他磁盘呢？ 答案是有的，我们可以…
阅读更多...
[MySQL#11] 索引底层(2) | B+树 | 索引的CURD | 全文索引

[MySQL#11] 索引底层(2) | B+树 | 索引的CURD | 全文索引

目录 1.B树的特点 索引结构 复盘 其他数据结构的对比 B树与B树总结 聚簇索引与非聚簇索引 辅助索引 2. 索引操作 主键索引 1. 创建主键索引 第一种方式 第二种方式 第三种方式 2. 查询索引 第一种方法 第二种方法 第三种方法 3. 删除索引 删除主键索引 删除…
阅读更多...
【小白学机器学习31】 大数定律，中心极限定理，标准正态分布与概率的使用

【小白学机器学习31】 大数定律，中心极限定理，标准正态分布与概率的使用

目录 1 正态分布相关的2个相关定理 1.1 大数定律&#xff1a;(证明了)分布的稳定性 1.2 中心极限定理&#xff1a;(证明了)分布的收敛性 2 使用标准差和概率的2种思路 2.1 标准正态分布的曲线 2.2 两种使用方式 2.3 第1种&#xff1a;按整数倍标准差δ 作为标准使用 2.…
阅读更多...
springcloud通过MDC实现分布式链路追踪

springcloud通过MDC实现分布式链路追踪

在DDD领域驱动设计中&#xff0c;我们使用SpringCloud来去实现&#xff0c;但排查错误的时候&#xff0c;通常会想到Skywalking&#xff0c;但是引入一个新的服务&#xff0c;增加了系统消耗和管理学习成本&#xff0c;对于大型项目比较适合&#xff0c;但是小的项目显得太过臃…
阅读更多...
R语言结构方程模型（SEM）

R语言结构方程模型（SEM）

原文链接&#xff1a;R语言结构方程模型&#xff08;SEM&#xff09;https://mp.weixin.qq.com/s?__bizMzUzNTczMDMxMg&mid2247624956&idx4&sn295580a016a86cfee8ee2277c93e32d5&chksmfa8da91bcdfa200da897f1f267492039865bdfe5d75a1c6e6df92ff5005e0eb5cc33a…
阅读更多...
国标GB28181视频平台EasyCVR私有化视频平台工地防盗视频监控系统方案

国标GB28181视频平台EasyCVR私有化视频平台工地防盗视频监控系统方案

一、方案背景 在当代建筑施工领域&#xff0c;安全监管和防盗监控是保障工程顺利进行和资产安全的关键措施。随着科技进步&#xff0c;传统的监控系统已不足以应对现代工地的安全挑战。因此&#xff0c;基于国标GB28181视频平台EasyCVR的工地防盗视频监控系统应运而生&#xf…
阅读更多...
labview学习总结

labview学习总结

labview学习总结 安装labview的特点一、图形化编程范式二、并行执行机制三、硬件集成能力四、应用领域优势五、开发效率六、系统集成能力**labview基本组成示意图****常用程序结构图解**结语 基础知识介绍界面前后面板的概念平铺式和层叠式 帧的概念结构类型顺序结构for循环whi…
阅读更多...
《YOLO 目标检测》—— YOLO v4 详细介绍

《YOLO 目标检测》—— YOLO v4 详细介绍

文章目录 一、整体网络结构1. YOLO v4 网络结构图2.对之前版本改进创新的概括 二、对改进创新部分的具体介绍1. 输入端创新2. Backbone主干网络创新CSPDarknet53Mish激活函数Dropblock正则化 3. 特征融合创新SPP模块PAN结构 4. Prediction输出层创新CIOU LossDIoU_NMS&#xff…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023