前段时间写了一篇《利用CrewAI框架打造高效自动化周报系统：告别手动报告，迎接智能协作》，来实现团队工作周报的汇总工作的案例，很多朋友反馈使用多智能体的过程中，智能体的“自由发挥”不太可控，导致生成的结果不稳定，甚至出现幻觉的情况，为了解决这个问题，我们今天来尝试一下单纯使用LangChain看看是否还有相同的问题，效果会不会好点。
步骤一：环境准备与需求分析
在开始编写脚本之前，我们需要确保开发环境已经准备就绪，并对需求进行详细分析。
环境准备
确保Python环境已安装并配置好。 安装必要的Python库，如 email用于发送邮件，langchain用于处理文本等。确保有访问阿里企业邮箱SMTP服务的权限。
需求分析
读取 ./docs目录下所有以.md格式存放的个人工作周报文件。汇总这些周报为一份团队工作周报。 使用阿里企业邮箱将汇总的周报发送给领导。
步骤二：读取个人工作周报
首先，我们需要编写一个函数来读取每个员工的工作周报。我们将遍历./docs目录下的所有.md文件，并读取它们的内容。
import os
def read_weekly_reports(directory):
reports = {}
for filename in os.listdir(directory):
if filename.endswith('.md'):
name = filename.split('.')[0] # 假设文件名是"姓名 工作周报"
with open(os.path.join(directory, filename), 'r', encoding='utf-8') as file:
reports[name] = file.read()
return reports
步骤三：汇总工作周报
接下来，我们需要将读取到的个人周报汇总成一份团队周报。我们将创建一个新的函数来完成这项任务。
def summarize_reports(reports):
summary = "团队工作周报：\n\n"
all_str = ""
for name, report in reports.items():
all_str += f"{name}：\n{report}\n\n"
# 初始化LLM
llm = ChatOpenAI(openai_api_key=os.getenv("OPENAI_API_KEY"),model="gpt-3.5-turbo-0125")
from langchain_core.prompts import ChatPromptTemplate
prompt = ChatPromptTemplate.from_messages([
("system", "你是一个部门工作周报撰写者"),
("user", f"""
请根据以下的个人工作周报内容，要求markdown格式，将个人周报合并，生成部门本周工作总结，生成的部门工作周报不包含人名：
{all_str} """)
])
from langchain_core.output_parsers import StrOutputParser
output_parser = StrOutputParser()
chain = prompt | llm | output_parser
summary = chain.invoke({"input": all_str})
return summary
步骤四：发送邮件
最后，我们需要编写一个函数来发送汇总好的团队周报。我们将使用Python的email库来实现邮件的发送。
from email import EmailMessage
def send_email(summary):
# 填写你的阿里企业邮箱SMTP配置信息
sender = ''
receiver = ''
subject = '团队工作周报'
message = EmailMessage()
message.set_content(summary)
message['From'] = sender
message['To'] = receiver
message['Subject'] = subject
# 这里需要使用你的邮箱SMTP服务器发送邮件
# 请替换以下信息为你的SMTP服务器设置
server = 'smtp.example.com'
port = 465
username = sender
password = 'your_email_password'
message.send(server, port, username, password)
步骤五：整合与测试
现在我们已经有了所有必要的函数，我们需要将它们整合到一个主函数中，并进行测试。
def main():
reports = read_weekly_reports(weekly_reports_dir)
summary = summarize_reports(reports)
send_email(summary)
if __name__ == "__main__":
main()
在运行脚本之前，请确保你已经替换了所有的占位符，如邮箱地址、SMTP服务器设置等，为实际的配置信息。运行脚本后，检查是否有任何错误，并确保邮件已成功发送。
实际运行效果
可以看到，实际运行的效果还是非常不错的，相比多智能体来说可控的多了。（涉及公司信息，加了马赛克）
结论
多智能体比较适合有创造性的，比较复杂的，流程不单一的场景，可以给智能体一定的“自由发挥”的空间，而对于场景单一，流程相对固定的场景，只要提示词写的足够好，LangChain就可以满足需求了。
