Skip to content
LangChain

Content-Generierungs-Agent mit LangChain

Erstellen Sie einen KI-Content-Generierungs-Agenten, der Themen recherchiert, Blogposts und Social-Media-Inhalte mit konsistenter Markenstimme schreibt — mit LangChain.

contentblogsocial mediawriting

Funktionierender Code

LangChain
from langchain_openai import ChatOpenAI
from langchain_core.tools import tool
@tool
def web_search(query: str) -> str:
"""Research a topic before writing content."""
from tavily import TavilyClient
client = TavilyClient()
results = client.search(query, max_results=3)
return "\n\n".join(r["content"] for r in results["results"])
@tool
def save_content(filename: str, content: str) -> str:
"""Save generated content to a file."""
Path(f"output/{filename}").write_text(content)
return f"Saved to output/{filename}"
model = ChatOpenAI(model="gpt-4o")
model_with_tools = model.bind_tools([web_search, save_content])
response = model_with_tools.invoke([
("system", "You are a content writer. Research the topic first, then write engaging content. Save the final output using save_content."),
("user", "Write a blog post about the benefits of AI agents in customer service"),
])

Schritt für Schritt

1

Abhängigkeiten installieren

Installieren Sie LangChain und die benötigten Tools für diesen Anwendungsfall.

2

Tools definieren

Erstellen Sie domänenspezifische Tool-Funktionen, die Ihr Agent zur Interaktion mit externen Diensten verwenden wird.

3

Agent erstellen und ausführen

Initialisieren Sie den LangChain-Agenten mit Ihren Tools, setzen Sie den System-Prompt und führen Sie eine Abfrage aus.

Bereit, mit LangChain zu bauen?

Generieren Sie ein produktionsbereites Projekt mit vorkonfiguriertem LangChain — FastAPI + Next.js, Auth, Streaming und mehr.

Loslegen

Bereit, deinen ersten Produktions-KI-Agenten zu bauen?

Open-Source-Tools, kampferprobte Patterns, null Boilerplate. Konfiguriere deinen Stack und shippe in Minuten — nicht Monaten.