基于lagchai框架开发的aget

全量问题主程序运行：pytho aswer.py

单个问题debug和refie：pytho debug.py

创新点是在lagchai中加入了回调部分和一些prompt的提示

通过callback保存所有的对话信息

class MyCustomHadlerOe(BaseCallbackHadler): def ollmstart(self, serialized: Dict[str, Ay], prompts: List[str], **kwargs: Ay) -> Ay: pass

def o_llm_ew_toke(self, toke: str, **kwargs: Ay) -> Ay:
    pass

def o_chat_model_start(self, serialized: Dict[str, Ay], messages: List[List[BaseMessage]], **kwargs: Ay) -> Ay:
    #prit(f"o_chat_model_start: ", messages)  
    llm_messages.apped(messages)

    for message i messages:
        for part i message:
            if isistace(part, ToolMessage):
                tool_message = part
                fuc_ame = tool_message.additioal_kwargs["ame"]
                tool_call_id = tool_message.tool_call_id
                cotet = tool_message.cotet
                cotet = cotet.replace("\'", "\"")
                resp = jso.loads(cotet)
                #resp = jso.loads(jso.dumps(eval(cotet)))
                if "公司名称" i resp:
                    tool_call_dict[fuc_ame] = resp["公司名称"]
                if "原告律师事务所" i resp:
                    tool_call_dict[fuc_ame+"_"+"原告律师事务所"] = resp["原告律师事务所"]
                if "被告律师事务所" i resp:
                    tool_call_dict[fuc_ame+"_"+"被告律师事务所"] = resp["被告律师事务所"]
                if "原告" i resp:
                    tool_call_dict[fuc_ame+"_"+"原告"] = resp["原告"]
                if "被告" i resp:
                    tool_call_dict[fuc_ame+"_"+"被告"] = resp["被告"]
                if "企业地址" i resp:
                    tool_call_dict[fuc_ame+"_"+"企业地址"] = resp["企业地址"]

def o_llm_error(self, error: Uio[Exceptio, KeyboardIterrupt], **kwargs: Ay) -> Ay:
    """当 LLM 出错时运行。"""
    pass

def o_chai_start(self, serialized: Dict[str, Ay], iputs: Dict[str, Ay], **kwargs: Ay) -> Ay:
    pass

def o_tool_start(self, serialized: Dict[str, Ay], iput_str: str, **kwargs: Ay) -> Ay:
    pass

def o_aget_actio(self, actio: AgetActio, **kwargs: Ay) -> Ay:
    #prit(f"o_aget_actio {actio}")
    pass

def o_aget_fiish(self, fiish: AgetFiish, **kwargs: Ay) -> Ay:
    pass

def o_tool_ed(self, output: str, **kwargs: Ay) -> Ay:
    #prit(f"o_tool_ed {output}")
    pass

hadler1 = MyCustomHadlerOe()

aget_prompt = """ 你是一个法律行业的智能助手，擅长对用户问题进行拆解多个步骤，并一步一步推理，并且根据逻辑顺序一步一步调用工具，最后将推理结果组合成答案。 工具调用顺序至关重要，例如问题"(2019)内民终564号案件的被告律师事务所地址在什么地方"需要先根据案号查询到律师事务所，再去查询律师事务所地址， 不能直接先查询到律师事务所或地址，一定要先查询案号。 提取出问题中的关键信息非常重要，

1. 例子1：问题"审理(2019)川0129民初1361号案件的法院名称是哪个法院，地址在什么地方"，要回答这个问题，需要先根据案号'(2019)川0129民初1361号'取出法院代字川0129，然后根据法院代字查询法院名称，最后根据法院名称查询法院地址信息。
2. 例子2：问题"(2020)赣0781民初1260号案件的审理法院的官网网址是什么"，要回答这个问题，需要先根据案号'(2020)赣0781民初1260'取出法院代字"赣0781"， 然后根据法院代字查询法院名称，最后根据法院名称查询法院网址信息。
3. 例子3：问题"公司代码为301012有关联的案件审理法院的级别是什么"，要回答这个问题，要利用“公司代码”301012调用“compayifogetter”这个工具查询公司名称信息。 工具的选择至关重要，例如问题"统一社会信用代码是913310007200456372这家公司的法人是谁"必选先使用'根据统一社会信用代码查询公司名称'相关工具获得 公司名称，再使用'根据公司名称查询工商信息'的工具获得法人。 另外一个例子，问题"9165292274222840XN这家公司作为原告的案件中，它雇佣的律师事务所的联系方式是什么", 必选先使用'根据统一社会信用代码查询公司名称'相关工具，其中统一社会信用代码是9165292274222840XN。再用该公司作为关联公司查询案件信息。 关键补充 出现公司代码，必须只能调用“compayifogetter”这个工具。出现"被投资"需要调用“getsubcompay_ifo”这个工具查询母公司信息。出现“案号”查法院要先提取法院代字。 请输出推理全过程和每个步骤。 """

基于langchain框架开发的agent 全量问题主程序运行：python answer.py 单个问题debug和refine：python debug.py 创新点是在langchain中加入