使用LangChain智能体实现代码的自动运行测试

本篇通过 LangChain 以及其中的 PythonREPLTool 工具，结合提示词，实现代码的自动运行测试。这里仍然以阿里云百炼的通义千问 API 为例（API 需要付费，可能有一定量的免费额度）。

安装软件包：

pip install langchain langchain-openai
pip install langchain-community
pip install langchain-experimental
pip install python-dotenv

设置环境，用于获取 key。新建 .env 文件，输入以下内容（API KEY 需要到阿里云百炼获取）：

OPENAI_API_KEY=xxx
DASHSCOPE_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1

智能体代码文件 langchain_running_code.py：

"""
This code is supported by the website: https://www.guanjihuan.com
The newest version of this code is on the web page: https://www.guanjihuan.com/archives/47925
"""

import os
import dotenv
from langchain_openai import ChatOpenAI
from langchain.agents import create_react_agent, AgentExecutor
from langchain_core.prompts import PromptTemplate
from langchain_experimental.tools import PythonREPLTool

# 加载环境变量
dotenv.load_dotenv()

# 初始化 LLM
llm = ChatOpenAI(
    api_key=os.getenv("OPENAI_API_KEY"),
    base_url=os.getenv("DASHSCOPE_BASE_URL"),
    model="qwen-plus",
    temperature=0,
)

# 使用官方 PythonREPLTool（⚠️ 注意：此工具可执行任意代码，仅用于安全环境）
tools = [PythonREPLTool()]  # 直接实例化即可，它已是 Tool 类型

# 构建 ReAct Prompt
template = """你是一个严谨的 Python 编程助手，必须通过工具执行代码来验证逻辑，不能仅靠推理得出结论。

## 工具
你可以使用以下工具：
{tools}

## 规则
- 每次只能执行一个 Action。
- 所有 Python 代码必须通过工具执行，不得假设输出结果。
- **Action Input 必须是纯 Python 代码，不要包含 Markdown 代码块符号（如 ``` 或 ```python）。**
- 如果测试失败（如 assert 报错），请根据错误信息修正代码并重新测试。
- 最终答案必须基于工具返回的正确执行结果。
- 输出必须严格遵循以下格式，不要添加额外内容。

Question: <用户问题>
Thought: <你的思考>
Action: <工具名称>
Action Input: <纯 Python 代码（不要 Markdown 代码块）>
Observation: <工具返回结果>
...（重复以上步骤）
Final Answer: <最终答案，包含正确函数和简要说明>

## 可用工具
{tool_names}

当前问题: {input_message}
{agent_scratchpad}"""


prompt = PromptTemplate.from_template(template)

# 创建并执行 Agent
agent = create_react_agent(llm, tools, prompt)
executor = AgentExecutor(
    agent=agent,
    tools=tools,
    verbose=True,
    max_iterations=10,
    handle_parsing_errors=True
)

# 运行任务
if __name__ == "__main__":
    response = executor.invoke({
        "input_message": "请编写一个 Python 函数 fibonacci(n)，返回第 n 个斐波那契数。测试通过后做代码的优化，并给出最终代码。"
    })
    print(response["output"])

运行结果：

> Entering new AgentExecutor chain...
Question: 请编写一个 Python 函数 fibonacci(n)，返回第 n 个斐波那契数。测试通过后做代码的优化，并给出 最终代码。
Thought: 首先，我将编写一个基础版本的 fibonacci(n) 函数，使用递归方法实现。然后通过工具执行并测试小数值 n=5 是否正确。
Action: Python_REPL
Action Input: 
def fibonacci(n):
    if n <= 1:
        return n
    else:
        return fibonacci(n-1) + fibonacci(n-2)

print(fibonacci(5))Python REPL can execute arbitrary code. Use with caution.
5
Question: 请编写一个 Python 函数 fibonacci(n)，返回第 n 个斐波那契数。测试通过后做代码的优化，并给出 最终代码。  
Thought: 基础递归版本在 n=5 时输出正确（期望值为 5）。现在测试更大的值 n=10 并检查性能和正确性。  
Action: Python_REPL  
Action Input:  
print(fibonacci(10))  55
Question: 请编写一个 Python 函数 fibonacci(n)，返回第 n 个斐波那契数。测试通过后做代码的优化，并给出 最终代码。  
Thought: 基础递归版本在 n=10 时输出正确（期望值为 55）。但递归方法对大数值效率低，存在重复计算。现在 优化为使用动态规划（记忆化）方法避免重复计算。  
Action: Python_REPL  
Action Input:  
def fibonacci(n):  
    if n <= 1:  
        return n  
    dp = [0] * (n + 1)  
    dp[1] = 1  
    for i in range(2, n + 1):  
        dp[i] = dp[i-1] + dp[i-2]  
    return dp[n]  

print(fibonacci(10))  55
Question: 请编写一个 Python 函数 fibonacci(n)，返回第 n 个斐波那契数。测试通过后做代码的优化，并给出 最终代码。  
Thought: 动态规划版本在 n=10 时输出正确（55）。现在测试更大的值 n=35 并验证性能和正确性。  
Action: Python_REPL  
Action Input:  
print(fibonacci(35))  9227465
Question: 请编写一个 Python 函数 fibonacci(n)，返回第 n 个斐波那契数。测试通过后做代码的优化，并给出 最终代码。  
Thought: 动态规划版本在 n=35 时输出正确（9227465），且性能良好。当前实现已避免重复计算，但可进一步优 化空间复杂度。由于我们只需要前两个值，可以使用滚动变量代替整个数组。  
Action: Python_REPL  
Action Input:  
def fibonacci(n):  
    if n <= 1:  
        return n  
    a, b = 0, 1  
    for i in range(2, n + 1):  
        a, b = b, a + b  
    return b  

print(fibonacci(35))  9227465
Question: 请编写一个 Python 函数 fibonacci(n)，返回第 n 个斐波那契数。测试通过后做代码的优化，并给出 最终代码。  
Thought: 空间优化后的滚动变量版本在 n=35 时输出正确（9227465），且时间与空间效率均优。现在测试边界情 况 n=0 和 n=1 以确保正确性。  
Action: Python_REPL  
Action Input:  
print(fibonacci(0), fibonacci(1))  0 1
Question: 请编写一个 Python 函数 fibonacci(n)，返回第 n 个斐波那契数。测试通过后做代码的优化，并给出 最终代码。  
Thought: 空间优化后的滚动变量版本在 n=0 和 n=1 时输出正确（0 和 1），且在 n=35 时也正确。说明函数已正确处理边界和一般情况。现在进行最终验证，测试多个值：n=0, 1, 5, 10, 35。  
Action: Python_REPL  
Action Input:  
print(fibonacci(0), fibonacci(1), fibonacci(5), fibonacci(10), fibonacci(35))  0 1 5 55 9227465
Question: 请编写一个 Python 函数 fibonacci(n)，返回第 n 个斐波那契数。测试通过后做代码的优化，并给出 最终代码。  
Thought: 所有测试用例（n=0, 1, 5, 10, 35）均输出正确结果：0, 1, 5, 55, 9227465。最终版本使用滚动变量 优化了空间复杂度至 O(1)，时间复杂度为 O(n)，且逻辑正确。  
Final Answer: 最终优化后的 fibonacci(n) 函数如下：

```python
def fibonacci(n):
    if n <= 1:
        return n
    a, b = 0, 1
    for i in range(2, n + 1):
        a, b = b, a + b
    return b
```

该函数通过维护两个变量 a 和 b 滚动更新前两个斐波那契数，避免了递归重复计算和数组存储开销，具有最优的 时间 O(n) 和空间 O(1) 复杂度。已验证在多个输入下结果正确。

> Finished chain.
最终优化后的 fibonacci(n) 函数如下：

```python
def fibonacci(n):
    if n <= 1:
        return n
    a, b = 0, 1
    for i in range(2, n + 1):
        a, b = b, a + b
    return b
```

该函数通过维护两个变量 a 和 b 滚动更新前两个斐波那契数，避免了递归重复计算和数组存储开销，具有最优的 时间 O(n) 和空间 O(1) 复杂度。已验证在多个输入下结果正确。

4 次浏览

【说明：本站主要是个人的一些笔记和代码分享，内容可能会不定期修改。为了使全网显示的始终是最新版本，这里的文章未经同意请勿转载。引用请注明出处：https://www.guanjihuan.com】

使用LangChain智能体实现代码的自动运行测试

Published by guanjihuan

发表评论取消回复

Published by guanjihuan

发表评论 取消回复

发表评论取消回复