✨ 基于代码生成和函数调用(function call)的大语言模型(LLM)智能体
通过自然语言提问，使用大语言模型智能解析数据库结构，对数据进行智能多表结构化查询和统计计算，根据查询结果智能绘制多种图表。 支持自定义函数(function call)和Agent调用，多智能体协同。 基于代码生成的思维链(COT)。 实现智能体对用户的反问，解决用户提问模糊、不完整的情况。 Pywebio 交互式前端网页，不必须 openai api，100%纯 Python 代码。
- 基于大语言模型 (LLM) 的可解释型自然语言数据库查询系统 (RAG) https://github.com/bytesc/data-copilot-steps
- 基于大语言模型 (LLM)和并发预测模型的自然语言数据库查询系统 (RAG) (https://github.com/bytesc/data-copilot-v2
🔔 如有项目相关问题，欢迎在本项目提出issue，我一般会在 24 小时内回复。
- 1, 基于代码生成的大语言模型智能体(AI Agent)。
- 2, 实现智能体对用户的反问，解决用户提问模糊、不完整的情况。
- 3, 智能体支持灵活的自定义函数调用(function call)和思维链(COT)
- 4, 实现多智能体的合作调用
- 5, 智能体实现智能绘制多种统计图表
- 6, 智能体实现基于机器学习的智能成绩预测
- 7, 能够处理大语言模型表现不稳定等异常情况
- 8, 支持
openai格式(如glm,deepseek,qwen)的 api 接口
- 基于代码生成的智能体(Agent)支持灵活的自定义函数调用(function call)和思维链(COT)
- 引入函数依赖图(Function Graph)的概念，实现自定义函数调用
- 引入智能体函数(Agent as Function)的概念，实现多智能体(Agent)的合作调用
- 实现智能体(Agent)对用户的反问，解决用户提问模糊、不完整的情况
- 包含输出断言和异常处理，能够处理大语言模型表现不稳定等异常情况
基本程序流水线图：
基本流程：
- Question: 用户自然语言问题提问
- RAG: 通过检索增强生成(RAG)获取背景知识
- Function Selection: LLM 根据函数基本信息选择多个函数，通过函数依赖图(Function Graph)获得可用函数列表和详细注释（函数包括非智能体函数(Custum Function)和调用其它智能体的函数(Agent as Function)，实现多智能体协同）
- Function Calls Chain: LLM 根据函数列表和详细注释，生成调用多个函数的 python 代码并执行
- Result Review: LLM 回顾总结整个流程，评估问题是否解决，没有解决则反问用户，使其澄清问题或者提供更多信息
智能数据库查询、统计计算和绘图(Agent 协同)
地图标注(自定义function call)
智能绘图不满意，可以交互式绘图
用户提供信息不足以完成任务时，反问用户使其补充信息(Result Review)
函数调用链(Function Call Chain)和智能体函数(Agent as Function)，实现多智能体协同原理示例
函数依赖图(Function Graph)和非智能体函数(Custom Functions)原理示例
python 版本 3.10
pip install -r requirement.txtconfig.yaml
# config
server_port: 8003
server_host: "0.0.0.0"
# 填写数据库连接
mysql: "mysql+pymysql://root:123456@localhost:3306/smart_class2"
static_path: "http://127.0.0.1:8003/"agent\utils\llm_access\文件夹包含大语言模型配置
agent\utils\llm_access\LLM.py 填写大语言模型(LLM)链接
def get_llm():
# 此处填写大语言模型(LLM)链接
llm = OpenAI(api_key=get_api_key_from_file("./agent/utils/llm_access/api_key_openai.txt"),
base_url="https://dashscope.aliyuncs.com/compatible-mode/v1")
return llm
# https://open.bigmodel.cn/api/paas/v4/
# https://api.deepseek.com/v1/
# https://dashscope.aliyuncs.com/compatible-mode/v1agent\tools\copilot\utils\call_llm_test.py和 agent\tools\rag\utils\call_llm_test.py 填写模型名称
def call_llm(question, llm):
response = llm.chat.completions.create(
model="qwen-max", # 此处填写模型名称
messages=[
{"role": "system", "content": "You are a helpful assistant"},
{"role": "user", "content": question},
],
stream=False
)
# glm-4
# deepseek-chat
# qwen-max新建文件：agent\utils\llm_access\api_key_openai.txt 在其中填写api-key
api-key获取链接：
- 阿里云:https://bailian.console.aliyun.com/
- deepseek:https://api-docs.deepseek.com/
- glm:https://open.bigmodel.cn/
# 服务端
python ./main.py
# 客户端
python ./front.py在 agent/tools/custom_tools_def.py 中定义自定义函数
需要写规范、详细的注释，前三行是函数基本功能信息，之后是详细信息
例子：
from typing import List, Tuple, Optional
from
6BDC
.map.get_onemap_minimap import get_minimap_func
def get_minimap(lat_lng_list: Optional[List[Tuple[float, float]]] = None,
postcode_list: Optional[List[str]] = None) -> str:
"""
get_minimap(lat_lng_list: Optional[List[Tuple[float, float]]] = None, postcode_list: Optional[List[str]] = None) -> str:
Generate an HTML iframe for a minimap with optional markers in latitude and longitude pairs or or postal codes.
Returns an HTML iframe string.
The function creates an HTML iframe that embeds a minimap from OneMap.sg.
Users can specify a list of latitude and longitude pairs or postal codes
to be marked on the map.
Args:
- lat_lng_list (Optional[List[Tuple[float, float]]]): A list of tuples,
where each tuple contains a latitude and longitude pair for a marker.
Default is None.
- postcode_list (Optional[List[str]]): A list of postal codes to be marked
on the map. Default is None.
Returns:
- str: An HTML iframe string that can be embedded in a webpage to display
the minimap with the specified markers.
Example usage:
```python
get_minimap_func(lat_lng_list=[(1.2996492424497, 103.8447478575), (1.29963489170907, 103.845842317726)])
get_minimap_func(postcode_list=["123456"])
```
"""
html = get_minimap_func(lat_lng_list, postcode_list)
return html然后在 agent/tools/get_function_info.py 中注册函数
import 函数之后，在 FUNCTION_DICT 中添加函数，在 FUNCTION_IMPORT 中添加 import 语句
例如：
from .custom_tools_def import get_minimap # 导入
FUNCTION_DICT = {
"query_database": query_database,
"draw_graph": draw_graph,
"get_minimap": get_minimap # 注册
}
FUNCTION_IMPORT = {
query_database: "from agent.tools.tools_def import query_database",
draw_graph: "from agent.tools.tools_def import draw_graph",
get_minimap: "from agent.tools.custom_tools_def import get_minimap" # 添加 import
}ASSIST_FUNCTION_DICT 定义了函数的依赖关系图。
例如：
ASSIST_FUNCTION_DICT = {
# predict_grade_for_stu: [from_username_to_uid, from_lesson_name_to_lesson_num],
}此翻译版本仅供参考，以 LICENSE 文件中的英文版本为准
MIT 开源许可证：
版权所有 (c) 2025 bytesc
特此授权，免费向任何获得本软件及相关文档文件（以下简称“软件”）副本的人提供使用、复制、修改、合并、出版、发行、再许可和/或销售软件的权利，但须遵守以下条件：
上述版权声明和本许可声明应包含在所有副本或实质性部分中。
本软件按“原样”提供，不作任何明示或暗示的保证，包括但不限于适销性、特定用途适用性和非侵权性。在任何情况下，作者或版权持有人均不对因使用本软件而产生的任何索赔、损害或其他责任负责，无论是在合同、侵权或其他方面。