LangChain入门：21.探索使用 Plan and execute 代理

Hugo_Hoo

已于 2024-04-19 16:09:17 修改

阅读量2.5k

点赞数 8

CC 4.0 BY-SA版权

分类专栏： LangChain教程入门文章标签： langchain 人工智能 python

于 2024-04-17 10:00:00 首次发布

本文链接：https://blog.csdn.net/wangjiansui/article/details/137830197

本文详细介绍了LangChain的PlanandExecute代理，一种通过分离规划和执行来处理复杂任务的自动化工具。它通过实例展示了如何安装配置、工作原理以及在实际场景中的应用，预示着人工智能技术的未来发展潜力。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

在人工智能领域，LangChain的Plan and Execute代理代表了一种前沿的自动化解决方案，它通过分离规划和执行阶段，为复杂任务的处理提供了一种新颖而有效的途径。本文将深入探讨Plan and Execute代理的工作原理，并通过实际案例展示其应用。

Plan and Execute代理的核心理念

Plan and Execute代理的设计灵感来源于Plan-and-Solve的概念，它强调了任务分解和智能规划的重要性。这种方法将任务分解为更小的、更易于管理的子任务，并通过精确的规划和执行来达成最终目标。

安装与配置

为了开始使用Plan and Execute代理，你需要安装LangChain及其实验扩展包：

pip install -U langchain langchain_experimental

实现代码详解

以下是创建和运行Plan and Execute代理的详细步骤和代码示例：

from langchain_openai import ChatOpenAI
from langchain_experimental.plan_and_execute import PlanAndExecute

最低0.47元/天解锁文章

200万优质内容无限畅学

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

Hugo_Hoo

关注关注

8
点赞
踩
3

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
打赏
打赏
打赏举报

举报

专栏目录

Agent框架LangGraph：实现一个简单的Plan-and-Execute Agent

kakaZhui的博客

04-22

463

大型语言模型（LLM）作为 Agent 的“大脑”时，展现出了强大的潜力。然而，面对需要长远规划和多步骤推理的复杂任务，简单的“想到哪做到哪”（如典型的 ReAct 风格）的 Agent 往往会遇到困难。它们可能在中间步骤迷失方向，或者无法预见后续步骤的需求，导致任务失败或效率低下。为了克服这一局限，Plan-and-Execute（规划与执行）成为了一种备受关注的 Agent 设计模式。先思考，再行动，边行动，边调整。

【LangChain编程：从入门到实践】实现多模态代理

AI天才研究院

06-30

548

【LangChain编程：从入门到实践】实现多模态代理作者：禅与计算机程序设计艺术 / Zen and the Art of Computer Programming 关键词：LangChain编程，多模态代理，自然语言处理，多媒体数据融合，复杂任务解决能力

参与评论您还未登录，请先登录后发表或查看评论

AI Agent |一文解析AI智能体3种主流的思考框架（CoT、ReAct、Plan-and-Execute）

m0_56255097的博客

06-24

1213

构建具备自主规划、执行以及适应复杂任务能力的 AI 智能体，关键在于其“思考”能力。AI 智能体思考框架的出现，正是为了赋予 AI 智能体结构化的推理与决策能力。这些框架为 AI 智能体提供了一套完整的方法论，指导其如何理解目标、分解任务、运用工具、处理信息，并依据环境反馈来调整自身行为。一个优秀的思考框架，能够显著增强 AI 智能体的鲁棒性、提升其效率以及拓展解决问题的泛化能力。，分析它们的设计理念以及适用场景。

AI Agent模型：Plan-and-Execute、ReAct、Function Calling

bingshiwuyu的专栏

06-25

757

大模型Agents的技术，其实本质上就是写prompt，让模型仿照你的方式来进行执行的一种应用范式，prompt里面包含一些tools的描述，然后我们可以根据模型的输出使用一些外部tools(例如计算器，搜索API，数据库，程序接口，各种模型的API)，能使用外部的API，知识库，只要写好prompt，智能体会调用LLM完成任务，形成用户需要的内容。

LangGraph项目中的Plan-and-Execute模式实现详解

最新发布

gitblog_00257的博客

06-28

475

LangGraph项目中的Plan-and-Execute模式实现详解什么是Plan-and-Execute模式 Plan-and-Execute是一种先进的AI代理架构模式，它将复杂任务的解决过程分为两个主要阶段：规划阶段和执行阶段。这种模式借鉴了人类解决复杂问题时的思维方式——先制定整体计划，再分步执行。与传统的ReAct模式相比，Plan-and-Execute具有以下显著优势：显式...

LangGraph范式-Plan-and-Execute

ms44的专栏

05-14

1049

Plan-and-Execute范式是一种多步骤任务处理框架，其核心思想是先制定详细计划，再逐步执行，并在必要时进行动态调整。该范式受到BabyAGI项目和Plan-and-Solve论文的启发，强调长期规划，适合复杂任务。与ReAct范式（边思考边行动）不同，Plan-and-Execute通过明确的步骤分解和执行，避免了局部最优或循环问题。其主要步骤包括：规划（使用LLM生成多步骤计划）、执行（逐项完成任务并记录结果）、重新规划（根据执行结果调整计划）。该范式适合需要多阶段推理的任务，但依赖LLM的性能

进阶篇08Agent认知框架之Plan-and-Execute

omonday1234的专栏

05-03

1467

Plan-and-Execute这个方法的本质是先计划再执行，即先把用户的问题分解成一个个的子任务，然后再执行各个子任务，并根据执行情况调整计划。：根据任务复杂度选择框架，简单任务推荐ReAct，多步骤复杂任务优先Plan and Execute。：当遇到需要处理超过3个步骤的复杂任务时，Plan and Execute的架构优势将显著体现。Plan-and-Execute的实现过程。

Langchain Agents

RichardPan0000的博客

08-10

537

nodejs

第三章：主流 Agent 执行逻辑：ReAct 与 Plan-and-Execute

YPeng_Gao的博客

04-12

2406

我们会发现，对于这个相对直接的任务，P-a-E 可能会更直接高效（如果规划得当），但如果天气查询接口不稳定，ReAct 则有潜力表现出更强的适应性。ReAct 通过迭代的“思考-行动-观察”循环赋予了 Agent 灵活性和适应性，而 Plan-and-Execute 则通过“先规划后执行”的模式提供了更高的结构性和可预测性。在下一章，我们将聚焦于如何为 Agent 配备更强大的“武器库”——探索高级工具的使用，包括代码执行、Web 浏览，以及我们专栏特别关注的知识图谱查询工具。

LangChain入门：24.通过Baby AGI实现自动生成和执行任务

Hugo的博客

04-25

2048

随着 ChatGPT 的崭露头角，我们迎来了一种新型的代理——Autonomous Agents（自治代理或自主代理）。这些代理的设计初衷就是能够独立地执行任务，并持续地追求长期目标。在 LangChain 的代理、工具和记忆这些组件的支持下，它们能够在无需外部干预的情况下自主运行，这在真实世界的应用中具有巨大的价值。目前，GitHub 上已有好几个备受关注的“网红”项目，如 AutoGPT、BabyAGI 和 HuggingGPT，它们都代表了自治代理的初步尝试。

LangChain ：构建个人AI代理从这里开始

mate1357的博客

07-11

407

总之，LangChain 中的代理是一个强大的工具，可以帮助创建对语言模型和其他工具的复杂调用链。它们可以定制以满足特定需求，无论是针对小型任务还是更复杂的长期运行任务。关键是要了解代理的不同组件以及它们如何协同工作以根据用户输入做出决策。

《Python基础教程》内容总览篇（持续更新中）

热门推荐

weixin_43178406的博客

08-26

30万+

大家好，我是爱编程的喵喵。双985硕士毕业，现担任全栈工程师一职，热衷于将数据思维应用到工作与生活中。从事机器学习以及相关的前后端开发工作。曾在阿里云、科大讯飞、CCF等比赛获得多次Top名次。现为CSDN博客专家、人工智能领域优质创作者。喜欢通过博客创作的方式对所学的知识进行总结与归纳，不仅形成深入且独到的理解，而且能够帮助新手快速入门。个人精心开设的《Python基础课程》专栏订阅量接近900，帮助不少同学解决了Bug。

【llm_inference】plan-and-execute（最小code实现）

xiaoxiaoyu290的博客

12-06

770

规划（Plan）：分析问题并制定详细的执行计划执行（Execute）：按照计划逐步执行具体操作综合（Synthesize）：整合执行结果得出最终答案这种设计模拟了项目经理的工作方式：先规划、后执行、最后总结，确保任务的高效完成。计划执行推理架构通过将复杂问题分解为规划和执行两个阶段，实现了更加系统化和可控的问题解决方式。系统的模块化设计、智能规划能力和灵活的执行机制，为实际应用提供了强大的支持。通过持续的优化和改进，这个架构将在人工智能领域发挥越来越重要的作用。

langgraph_plan_and_execute

xnuscd的博客

11-10

1022

整体入门demo 教程概览欢迎来到LangGraph教程！这些笔记本通过构建各种语言代理和应用程序，介绍了如何使用LangGraph。快速入门（Quick Start）快速入门部分通过一个全面的入门教程，帮助您从零开始构建一个代理，学习LangGraph的基础知识。快速入门：内容简介：在本教程中，您将使用LangGraph构建一个支持型聊天机器人（support chatbot）。目标：学习LangGraph的基本概念和操作，通过实际构建一个聊天机器人，掌握创建和管理语言代理的基本技

AI Agent 架构新变革：Plan-and-Execute 引领智能新潮流

柏企阅文

01-04

1059

它能够预先制定全面的计划，在任务执行过程中遇到意外情况时迅速适应和调整，并且在整个任务执行过程中保持上下文信息，减少了计算开销，极大地提高了任务处理的效率和质量。相较于 ReAct 架构的 Agent，如果在子任务中使用大型语言模型（LLM）调用，Plan-and-Execute 架构通常可以采用更小的、特定领域的模型。这就好比你有一个助手，在完成一项工作后，就把之前积累的经验和知识全部清零，这对于需要长期知识积累和经验复用的复杂任务来说，是一个致命的缺陷。首先，在执行速度上实现了质的飞跃。

11｜代理（下）：结构化工具对话、Self-Ask with Search以及 Plan and execute代理

weixin_39924752的博客

03-19

1333

Playwright是一个开源的自动化框架，它可以让你模拟真实用户操作网页，帮助开发者和测试者自动化网页交互和测试。安装Playwright工具。还需要通过命令来安装三种常用的浏览器工具。通过Playwright浏览器工具来访问一个测试网页def run():# 使用Playwright上下文管理器# 使用Chromium，但你也可以选择firefox或webkit# 创建一个新的页面# 导航到指定的URL# 获取并打印页面标题。

大模型从入门到应用——LangChain：代理（Agents）-[计划与执行]

冯·诺依曼

09-19

2099

3] LangChain中文网 - LangChain 是一个用于开发由语言模型驱动的应用程序的框架：http://www.cnlangchain.com/这个想法在很大程度上受到了BabyAGI以及《Plan-and-Solve》论文的启发。[2] LangChain 🦜️🔗 中文网，跟着LangChain一起学LLM/GPT开发：https://www.langchain.com.cn/[1] LangChain官方网站：https://www.langchain.com/

深入解析 LangChain 框架：核心原理详解与实战指南

hello.reader

10-07

4511

LangChain 是一个开源的框架，旨在帮助开发者构建以大型语言模型（LLM）为核心的应用程序。通过提供一系列模块和工具，LangChain 简化了语言模型与外部数据源、计算环境以及其他工具的集成过程，使得构建复杂的自然语言处理应用变得更加高效和便捷。本博客旨在深入解析 LangChain 框架的核心原理和设计思想，帮助读者全面了解其内部机制和实际应用方法。我们将从整体架构出发，逐步探讨各个核心组件的功能和工作原理，包括链式调用、记忆系统、提示模板、代理与工具的协同工作，以及与大型语言模型的集成方式。

javv.lang.RuntimeException: net.coobird.thumbnailator.tasks.UnsupportedFormatExceptionLNo suitable ImageReader found for sourec data

04-01

### Java中解决Thumbnailator导致的UnsupportedFormatException异常问题当使用Thumbnailator库处理某些特定图像格式（如WebP）时，可能会遇到`net.coobird.thumbnailator.tasks.UnsupportedFormatException: No suitable ImageReader found for source data.` 这种异常表明Java的ImageIO API无法识别该图像格式[^1]。 #### 原因分析此问题的根本原因是Java标准库中的ImageIO模块不支持某些特殊格式的图像文件（例如WebP）。因此，在尝试加载这些图像时，会因为缺少合适的`ImageReader`而引发异常[^2]。 #### 解决方案为了使Thumbnailator能够正常处理此类图像格式，可以引入第三方库来扩展ImageIO的功能。以下是具体解决方案： 1. **引入TwelveMonkeys库** TwelveMonkeys是一个强大的图像处理库，它提供了对多种图像格式的支持，包括WebP、TIFF等。通过添加以下Maven依赖项，可以使ImageIO支持更多图像格式： ```xml <dependency> <groupId>com.twelvemonkeys.imageio</groupId> <artifactId>imageio-webp</artifactId> <version>3.7.0</version> </dependency> ``` 添加上述依赖后，重新构建项目并运行代码即可解决问题[^4]。 2. **验证图像路径有效性** 确保输入的图像路径正确无误，并且目标文件确实存在。如果路径有误或者文件损坏，也可能触发类似的异常[^3]。 3. **更新Thumbnailator版本** 使用最新版的Thumbnailator可能有助于减少兼容性问题。可以通过检查官方文档或GitHub仓库获取最新的稳定发布版本号。 #### 示例代码调整基于以上修改后的完整示例代码如下所示： ```java import net.coobird.thumbnailator.Thumbnails; public class ThumbnailExample { public static void main(String[] args) { String inputPath = "/Users/xxxx/Downloads/ysdq/formatImage/xxx.webp"; String outputPath = "/Users/xxxx/Downloads/ysdq/output/webp_thumbnail.jpg"; try { Thumbnails.of(inputPath) .size(900, 900) .outputFormat("jpg") // 可选：转换为目标格式 .toFile(outputPath); } catch (Exception e) { e.printStackTrace(); } } } ``` 注意：这里假设已经成功集成了`imageio-webp`插件以支持WebP格式。 --- ###