用 Python LangChain 创建 Agent

把检索器包装成工具

函数的 docstring 是 Agent 理解能力边界的重要上下文。

from langchain.tools import tool

@tool
def retrieve_resume(query: str) -> str:
    """Search education, internships, projects, skills and awards."""
    return retrieve_resume_context(query)

@tool
def retrieve_agent_guide(topic: str) -> str:
    """Read implementation notes about this Python Agent."""
    return AGENT_BUILD_GUIDE

使用 DeepSeek 兼容接口

model = ChatOpenAI(
    api_key=os.environ["DEEPSEEK_API_KEY"],
    base_url="https://api.deepseek.com",
    model="deepseek-chat",
    temperature=0.2,
)

让 Agent 自己决定工具

personal_agent = create_agent(
    model=model,
    tools=[retrieve_resume, retrieve_agent_guide],
    system_prompt="回答简历事实前必须检索；没有资料就明确说明。",
    name="resume_agent",
)

提示词负责规则，工具负责事实，模型负责判断与表达。三者分开后，更新简历不需要改提示词，替换模型也不需要重写检索器。