langchain-ChatGLM项目网络搜索功能异常分析与修复
在开源项目langchain-ChatGLM的开发过程中,开发团队发现并修复了一个关于网络搜索功能的异常问题。该问题表现为当用户配置了Bing搜索引擎密钥并选择互联网搜索选项时,系统会抛出属性错误异常。
问题现象
用户在使用langchain-ChatGLM的网络搜索功能时,系统报出以下错误信息:
Traceback (most recent call last):
File ".../script_runner.py", line 600, in _run_script
exec(code, module.__dict__)
File ".../webui.py", line 69, in <module>
dialogue_page(api=api, is_lite=is_lite)
File ".../dialogue.py", line 422, in dialogue_page
docs = d.tool_output.get("docs")
AttributeError: 'str' object has no attribute 'get'
从错误堆栈可以看出,问题发生在对话页面处理网络搜索结果时。系统试图从一个字符串对象上调用get方法获取文档内容,但字符串类型并不具备get方法,导致程序崩溃。
问题根源分析
经过技术团队深入排查,发现该问题的根本原因在于:
-
网络搜索工具返回的结果格式与预期不符。代码期望的是一个包含"docs"键的字典对象,但实际返回的是一个字符串。
-
在结果处理流程中,缺少了对返回结果类型的校验和转换机制,导致当返回结果不符合预期时,程序无法优雅地处理。
-
系统命令工具也存在类似的问题,表明这是一个较为普遍的工具接口规范问题。
解决方案
开发团队在dev分支中实施了以下修复措施:
-
对网络搜索工具的输出结果进行了规范化处理,确保返回统一的结构化数据格式。
-
在处理工具输出时增加了类型检查和转换逻辑,增强了代码的健壮性。
-
对系统命令工具也进行了相应的修复,确保所有工具接口遵循相同的规范。
技术启示
这个问题的修复过程给我们带来了一些重要的技术启示:
-
接口规范化:工具接口应该定义清晰的输入输出规范,避免隐式依赖。
-
防御性编程:在处理外部数据时,应该始终进行类型检查和异常处理。
-
统一错误处理:建立统一的错误处理机制,可以避免类似问题在不同模块中重复出现。
-
自动化测试:增加对工具接口的自动化测试可以有效预防这类问题。
总结
通过这次问题的分析和修复,langchain-ChatGLM项目的网络搜索功能变得更加稳定可靠。这也提醒开发者在设计工具接口时需要考虑更多边界情况,确保系统的健壮性。对于用户而言,及时更新到修复后的版本可以避免遇到此类问题。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00