llm_interview_agent 开发全流程

2026年03月01日 230 字大概 1 分钟

1 基础模型配置

Deepseek API 申请

此项目使用的是Deepseek的模型，使用之前需要在Deepseek官网上申请一个API，并将申请到的API设置为系统变量。申请流程参照https://datawhalechina.github.io/all-in-rag/#/chapter1/02_preparation?id=_12-deepseek-api-%e7%94%b3%e8%af%b7

安装LangChain包

1	`pip install -U langchain`

调用模型

** 代码 **

import os

from dotenv import load_dotenv
from langchain.agents import create_agent
from langchain_openai import ChatOpenAI

load_dotenv() # 自动读取 .env 文件

def get_weather(city: str) -> str:
    """获取指定城市的天气"""
    return f"{city} 天气总是晴朗！"



llm = ChatOpenAI(model='deepseek-chat', openai_api_base='https://api.deepseek.com', openai_api_key=os.getenv("DEEPSEEK_API_KEY"))

agent = create_agent(
    model=llm,  # 选择模型
    tools=[get_weather],
    system_prompt="你是一个乐于助人的助手",
)

# 执行代理
response = agent.invoke(
    {"messages": [{"role": "user", "content": "旧金山天气如何？"}]}
)
print(response["messages"][-1].content)

** 输出 **

1	`根据查询结果，旧金山的天气总是晴朗的！这是一个气候宜人的城市，以阳光充足而闻名。`