AgentExecutor遇ModuleNotFoundError/NameError：已安装TextBlob仍无法调用

针对你在LangChain的ConversationalChatAgent集成数据分析工具时遇到的TextBlob使用问题，以下是具体的排查和解决步骤：

1. 确认TextBlob的正确导入方式 #

初始的import TextBlob报错是因为TextBlob的正确导入路径是from textblob import TextBlob，这是Python包的标准导入逻辑——包名是textblob，TextBlob是其中的核心类。

2. 排查NameError的核心原因 #

修改导入后出现NameError，本质是TextBlob对象未在Agent执行的作用域内被正确识别，常见场景和解决方法：

• 局部作用域限制：如果导入语句写在某个函数内部（或未放在全局作用域），Agent调用工具时会找不到该类。解决：将from textblob import TextBlob放在工具定义的全局作用域，或者直接写在工具函数内部：

  from langchain.tools import tool
  
  @tool
  def analyze_sentiment(text: str) -> float:
      """分析文本情感极性，返回-1（负面）到1（正面）的数值"""
      from textblob import TextBlob  # 在工具函数内导入，确保作用域可达
      blob = TextBlob(text)
      return blob.sentiment.polarity
  

• 虚拟环境不一致：虽然你安装了TextBlob，但LangChain运行的虚拟环境可能未同步安装。执行以下命令确保环境一致：

  pip install textblob
  python -m textblob.download_corpora  # 下载必要的语料库
  

• LLM生成代码错误：如果Agent使用PythonREPLTool让LLM动态生成代码，LLM可能遗漏导入步骤或写错类名。解决：在Agent的system prompt中明确规范代码格式：

  分析文本情感时，必须执行以下代码：
  from textblob import TextBlob
  result = TextBlob("待分析文本").sentiment.polarity

3. 验证工具独立性与Agent集成 #

• 先单独测试情感分析工具，确认功能正常：

  print(analyze_sentiment("这个服务太差劲了"))  # 应返回接近-1的数值
  

• 确认Agent正确注册工具：

  from langchain.agents import AgentExecutor, ConversationalChatAgent
  from langchain.memory import ConversationBufferMemory
  
  tools = [analyze_sentiment]
  memory = ConversationBufferMemory(memory_key="chat_history", return_messages=True)
  agent = ConversationalChatAgent.from_llm_and_tools(
      llm=你的LLM实例,
      tools=tools,
      memory=memory
  )
  agent_executor = AgentExecutor(agent=agent, tools=tools, verbose=True)
  

内容的提问来源于stack exchange，提问作者illuminato