如何在本地搭建天气智能体项目

如何在本地搭建天气智能体项目

项目概述

本文将介绍如何在本地搭建一个完整的天气智能体项目。项目主要分为两部分：

1. 使用 Ollama 部署通义千问 3.5（Qwen 3.5）大模型并完成连接测试
2. 实现天气查询功能，让大模型调用工具并给出智能回复

技术栈说明

根据 2026 年 Ollama 最新公告（v0.18.0），我们使用以下技术：

• Ollama OpenAI 兼容 API：http://localhost:11434/v1/
• LangChain Community 版的 OpenAI 接口：无需真实 API Key
• 模型：qwen3.5:4b（通义千问 3.5 4B 版本）

第一部分：本地大模型部署与测试

环境准备

首先，我们已经在本地部署了Ollama平台（v0.18.0 或更高版本）。Ollama 的优势在于：

• 环境配置简单，无需复杂的 CUDA 配置
• 模型管理方便，支持一键下载和运行
• 提供标准的 OpenAI 兼容 API 接口
• 支持工具调用、流式响应等高级特性

部署通义千问 3.5（Qwen 3.5）

通义千问 3.5 是阿里巴巴 2026 年推出的最新开源大模型系列，具有以下特点：

• 原生多模态支持（文本、图像、视频）
• 256K 超长上下文窗口
• Apache 2.0 协议，可免费商用
• 4B 版本仅需约 3.4GB 显存

1. 确保 Ollama 服务已启动
2. 下载通义千问 3.5 4B 模型：

ollama pull qwen3.5:4b

测试大模型连接（使用 OpenAI SDK）

在开始正式项目之前，我们先测试一下 OpenAI 兼容接口是否正常工作。

创建一个简单的测试脚本test_model.py：

fromopenaiimportOpenAIdeftest_ollama_connection():# 初始化 OpenAI 客户端，指向本地 Ollamaclient=OpenAI(base_url="http://localhost:11434/v1/",api_key="ollama"# 任意字符串即可，本地不需要真实 API Key)try:# 调用聊天补全接口response=client.chat.completions.create(model="qwen3.5:4b",messages=[{"role":"user","content":"你好，请简单介绍一下你自己。"}],stream=False)print("大模型回复：")print(response.choices[0].message.content)returnTrueexceptExceptionase:print(f"连接失败：{e}")returnFalseif__name__=="__main__":test_ollama_connection()

运行这个脚本，如果看到大模型的自我介绍，说明连接成功！

第二部分：天气智能体实现

项目设计

我们的天气智能体需要以下功能：

1. 用户输入所在城市
2. 查询该城市的实时天气信息
3. 根据天气信息给出智能建议

安装依赖

首先，安装所需的 Python 包：

pipinstalllangchain langchain-openai requests

天气 API 集成

我们使用公开的天气 API 接口来获取天气数据。创建weather_tool.py：

importrequestsdefget_weather(city,api_key):""" 获取指定城市的天气信息 """base_url="https://api.openweathermap.org/data/2.5/weather"params={"q":city,"appid":api_key,"units":"metric",# 使用摄氏度"lang":"zh_cn"}try:response=requests.get(base_url,params=params)response.raise_for_status()data=response.json()# 解析天气数据weather_info={"城市":data["name"],"温度":f"{data['main']['temp']}°C","体感温度":f"{data['main']['feels_like']}°C","湿度":f"{data['main']['humidity']}%","风速":f"{data['wind']['speed']}m/s","天气描述":data["weather"][0]["description"],"气压":f"{data['main']['pressure']}hPa"}returnweather_infoexceptExceptionase:returnf"获取天气信息失败：{str(e)}"

使用 LangChain Community 版 OpenAI 接口

现在我们使用 LangChain Community 版的 OpenAI 兼容接口来构建智能体。创建weather_agent.py：

fromlangchain_openaiimportChatOpenAIfromlangchain_core.toolsimporttoolfromlangchain_core.promptsimportChatPromptTemplate,MessagesPlaceholderfromlangchain.agentsimportcreate_tool_calling_agent,AgentExecutorfromweather_toolimportget_weatherimportjson# 1. 定义天气查询工具@tooldefweather_tool(city:str)->str:"""查询指定城市的天气信息 Args: city: 城市名称，例如 "北京"、"上海"、"Tokyo" Returns: 天气信息的JSON字符串 """# 请替换为你自己的天气 API KeyWEATHER_API_KEY="your_api_key_here"weather_data=get_weather(city,WEATHER_API_KEY)ifisinstance(weather_data,str):returnweather_datareturnjson.dumps(weather_data,ensure_ascii=False)# 2. 初始化 LangChain ChatOpenAI，指向本地 Ollamallm=ChatOpenAI(base_url="http://localhost:11434/v1/",api_key="ollama",# 任意字符串即可model="qwen3.5:4b",temperature=0.7)# 3. 定义提示词模板prompt=ChatPromptTemplate.from_messages([("system","你是一个专业的天气助手。当用户询问天气时，请先调用天气查询工具获取天气信息，然后根据天气信息给出友好的回复，包括温度、湿度、风速等信息，并给出是否适合出游的建议。请用简洁、友好的语气回复用户。"),("user","{input}"),MessagesPlaceholder(variable_name="agent_scratchpad"),])# 4. 定义工具列表tools=[weather_tool]# 5. 创建智能体agent=create_tool_calling_agent(llm,tools,prompt)# 6. 创建执行器agent_executor=AgentExecutor(agent=agent,tools=tools,verbose=True# 显示详细执行过程)defmain():print("天气智能体已启动！")print("输入 'quit' 可退出程序\n")whileTrue:user_input=input("请输入要查询的城市或问题：")ifuser_input.lower()=="quit":breakprint("正在查询天气...")try:result=agent_executor.invoke({"input":user_input})print("\n"+"="*50)print(result["output"])print("="*50+"\n")exceptExceptionase:print(f"执行出错：{e}")if__name__=="__main__":main()

简化版本（不使用 Agent）

如果你想要更简单的实现（手动调用工具），可以使用以下版本：

fromlangchain_openaiimportChatOpenAIfromlangchain_core.promptsimportChatPromptTemplatefromweather_toolimportget_weatherimportjson# 初始化 LangChain ChatOpenAIllm=ChatOpenAI(base_url="http://localhost:11434/v1/",api_key="ollama",model="qwen3.5:4b",temperature=0.7)# 定义提示词模板prompt=ChatPromptTemplate.from_messages([("system","你是一个专业的天气助手。请根据提供的天气信息给出友好的回复，包括温度、湿度、风速等信息，并给出是否适合出游的建议。请用简洁、友好的语气回复用户。"),("user","请查询{city}的天气。\n\n以下是获取到的天气信息：\n{weather_info}"),])# 创建链chain=prompt|llmclassWeatherAgent:def__init__(self,weather_api_key):self.weather_api_key=weather_api_keydefrun(self,city):# 1. 获取天气信息weather_data=get_weather(city,self.weather_api_key)ifisinstance(weather_data,str)andweather_data.startswith("获取天气信息失败"):returnweather_data# 2. 构建天气信息字符串weather_info_str=json.dumps(weather_data,ensure_ascii=False,indent=2)# 3. 调用大模型生成回复response=chain.invoke({"city":city,"weather_info":weather_info_str})returnresponse.contentdefmain():# 请替换为你自己的天气 API KeyWEATHER_API_KEY="your_api_key_here"agent=WeatherAgent(WEATHER_API_KEY)print("天气智能体已启动！")whileTrue:city=input("请输入要查询的城市（输入 'quit' 退出）：")ifcity.lower()=="quit":breakprint("正在查询天气...")try:result=agent.run(city)print("\n"+"="*50)print(result)print("="*50+"\n")exceptExceptionase:print(f"执行出错：{e}")if__name__=="__main__":main()

使用说明

1. 首先，你需要去天气 API 提供商（如 OpenWeatherMap）注册并获取你的 API Key
2. 将 API Key 替换到代码中的WEATHER_API_KEY变量
3. 确保 Ollama 服务正在运行，并且通义千问 3.5（qwen3.5:4b）模型已下载
4. 安装依赖：pip install langchain langchain-openai requests
5. 运行weather_agent.py，输入城市名称即可查询天气

项目效果

当你运行这个天气智能体后，输入一个城市名称，它会：

1. 调用天气 API 获取实时数据
2. 将天气信息传递给本地大模型
3. 大模型会根据天气情况给出智能回复，包括温度、湿度等信息，以及是否适合出游的建议

Ollama 2026 最新特性说明

根据 Ollama v0.18.0 公告，OpenAI 兼容 API 支持以下特性：

• ✅ 工具调用（Tool/Function Calling）
• ✅ 流式响应
• ✅ JSON 模式
• ✅ 结构化输出
• ✅ 多轮对话
• ✅ 系统提示词
• ✅reasoning_effort参数（控制推理强度）

总结

通过这个项目，我们成功实现了：

• 本地大模型的部署与测试（使用通义千问 3.5）
• 使用 LangChain Community 版 OpenAI 接口
• 工具调用的集成（两种实现方式：Agent 版和简化版）
• 完整的智能对话体验

这个项目可以作为更复杂智能体应用的基础，你可以在此基础上添加更多工具，扩展更多功能。