今天讲第3课，用一个做Agent的经典框架——LangChain，开发一个做数学题的Agent。
LangChain是非常强大的大语言模型应用开发库，做Agent很方便，可能大家也很熟悉，但LangChain最大的问题是版本和版本之间变化太快，尤其现在终于到了1.0.0，与旧版比较，类库结构已面目全非，可能还要重新熟悉。本课是针对LangChian最新版V1.0.0的。
一、学习目标
大模型不太擅长数字计算，DeepSeek训练时用强化学习，对这个方面做了很多改进，但总归做数学题，文本生成的方法不如数学工具来的准确，所以要用Agent外挂工具。本讲的内容是一个做数字题的Agent，只有20多行程序，但会涉及大模型、工具调用、Function-Calling、ReAct Agent等知识，是一个完整的Agent案例。
二、源代码
先上代码，再解释。如在手机上不易查看，请到 https://github.com/little51/agent-dev 的chapter-x-0base下载代码和操作步骤。
# agent_langchain.py import os from langchain.agents import create_agent os.environ['OPENAI_API_BASE'] = 'http://localhost:11434/v1' os.environ["OPENAI_API_KEY"] = "EMPTY" def calculator(expression: str) -> str: """用于执行数学计算。输入是一个数学表达式，例如：'15 ** 2 + 28 / 4'""" try: print("\n======调用到工具=======\n") print(expression) print("\n======================\n") return str(eval(expression)) except Exception as e: return f"计算错误: {e}" agent = create_agent( model="openai:qwen3", tools=[calculator], system_prompt="你是一个用于执行数学计算的Agent", ) response = agent.invoke( {"messages": [{"role": "user", "content": "计算15的平方加上32除以4的结果是多少？"}]} ) print(response)1、calculator是个工具方法，传入表达式，给出结果。那么问题来了，这个方法什么时候调，表达式参数是谁给的？这就与Agent有关，在建Agent的时候，这个方法作为Tools之一被设置进去，那用户通过Agent向大模型提问时，这些工具信息也作为提示词的一部分传给大模型，这样大模型就会根据情况生成一个调用calculator的命令文本，顺便把参数也生成。
2、问题是大模型不能直接调工具方法，不然大家都让他调，他也受不了，他用的方法是远程指挥，生成的文本回传给Agent，Agent调他自己的方法。这个过程就叫Function-Calling。
三、运行
1、环境安装
# 创建虚拟环境 conda create -n part03 python=3.13 -y # 激活虚拟环境 conda activate part03 # 安装依赖库 pip install langchain==1.0.0 langchain-community==1.0.0a1 langchain-openai==1.0.0 -i https://pypi.mirrors.ustc.edu.cn/simple2、测试
python agent_langchain.py问题是：计算15的平方加上32除以4的结果是多少？大模型没有直接算，而是生成一个调用工具的文本，把参数也给生成，然后交给Agent调calculator算，算完再给大模型总结一下。
3、结果
从结果上看，模型生成的文本命中了工具，工具计算后再由模型总结。
未完待续！
想入门 AI 大模型却找不到清晰方向？备考大厂 AI 岗还在四处搜集零散资料？别再浪费时间啦！2025 年AI 大模型全套学习资料已整理完毕，从学习路线到面试真题，从工具教程到行业报告，一站式覆盖你的所有需求，现在全部免费分享！
👇👇扫码免费领取全部内容👇👇
一、学习必备：100+本大模型电子书+26 份行业报告 + 600+ 套技术PPT，帮你看透 AI 趋势
想了解大模型的行业动态、商业落地案例？大模型电子书？这份资料帮你站在 “行业高度” 学 AI：
1. 100+本大模型方向电子书
2. 26 份行业研究报告：覆盖多领域实践与趋势
报告包含阿里、DeepSeek 等权威机构发布的核心内容，涵盖：
- 职业趋势：《AI + 职业趋势报告》《中国 AI 人才粮仓模型解析》；
- 商业落地：《生成式 AI 商业落地白皮书》《AI Agent 应用落地技术白皮书》；
- 领域细分：《AGI 在金融领域的应用报告》《AI GC 实践案例集》；
- 行业监测：《2024 年中国大模型季度监测报告》《2025 年中国技术市场发展趋势》。
3. 600+套技术大会 PPT：听行业大咖讲实战
PPT 整理自 2024-2025 年热门技术大会，包含百度、腾讯、字节等企业的一线实践：
- 安全方向：《端侧大模型的安全建设》《大模型驱动安全升级（腾讯代码安全实践）》；
- 产品与创新：《大模型产品如何创新与创收》《AI 时代的新范式：构建 AI 产品》；
- 多模态与 Agent：《Step-Video 开源模型（视频生成进展）》《Agentic RAG 的现在与未来》；
- 工程落地：《从原型到生产：AgentOps 加速字节 AI 应用落地》《智能代码助手 CodeFuse 的架构设计》。
二、求职必看：大厂 AI 岗面试 “弹药库”，300 + 真题 + 107 道面经直接抱走
想冲字节、腾讯、阿里、蔚来等大厂 AI 岗？这份面试资料帮你提前 “押题”，拒绝临场慌！
1. 107 道大厂面经：覆盖 Prompt、RAG、大模型应用工程师等热门岗位
面经整理自 2021-2025 年真实面试场景，包含 TPlink、字节、腾讯、蔚来、虾皮、中兴、科大讯飞、京东等企业的高频考题，每道题都附带思路解析：
2. 102 道 AI 大模型真题：直击大模型核心考点
针对大模型专属考题，从概念到实践全面覆盖，帮你理清底层逻辑：
3. 97 道 LLMs 真题：聚焦大型语言模型高频问题
专门拆解 LLMs 的核心痛点与解决方案，比如让很多人头疼的 “复读机问题”：
![]()
三、路线必明： AI 大模型学习路线图，1 张图理清核心内容
刚接触 AI 大模型，不知道该从哪学起？这份「AI大模型 学习路线图」直接帮你划重点，不用再盲目摸索！
路线图涵盖 5 大核心板块，从基础到进阶层层递进：一步步带你从入门到进阶，从理论到实战。
L1阶段:启航篇丨极速破界AI新时代
L1阶段：了解大模型的基础知识，以及大模型在各个行业的应用和分析，学习理解大模型的核心原理、关键技术以及大模型应用场景。
L2阶段：攻坚篇丨RAG开发实战工坊
L2阶段：AI大模型RAG应用开发工程，主要学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。
L3阶段：跃迁篇丨Agent智能体架构设计
L3阶段：大模型Agent应用架构进阶实现，主要学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造Agent智能体。
L4阶段：精进篇丨模型微调与私有化部署
L4阶段：大模型的微调和私有化部署，更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调，并通过Ollama、vLLM等推理部署框架，实现模型的快速部署。
L5阶段：专题集丨特训篇 【录播课】
![]()
四、资料领取：全套内容免费抱走，学 AI 不用再找第二份
不管你是 0 基础想入门 AI 大模型，还是有基础想冲刺大厂、了解行业趋势，这份资料都能满足你！
现在只需按照提示操作，就能免费领取：
👇👇扫码免费领取全部内容👇👇
2025 年想抓住 AI 大模型的风口？别犹豫，这份免费资料就是你的 “起跑线”！
