LangChain执行后如何查看Verbose输出以进行分析

以下是三种实用方法，帮你在agent.run()执行后查看完整对话内容用于分析：

方法1：自定义回调Handler捕获对话细节 #

通过自定义回调类，追踪Agent运行的每一步（思考过程、工具调用、结果返回），并将日志存储下来，方便后续查看。

from langchain.callbacks.base import BaseCallbackHandler

# 自定义日志捕获处理器
class ConversationLogger(BaseCallbackHandler):
    def __init__(self):
        self.full_log = []

    def on_agent_action(self, action, **kwargs):
        self.full_log.append(f"【Agent思考】{action.log}")
    
    def on_tool_end(self, output, **kwargs):
        self.full_log.append(f"【工具返回】{output}")
    
    def on_agent_finish(self, finish, **kwargs):
        self.full_log.append(f"【最终回答】{finish.log}")

# 初始化日志处理器
logger = ConversationLogger()

# 给Agent添加回调（替换你原有的agent初始化代码）
agent = initialize_agent(
    llm=llm,
    tools=tools,
    agent=AgentType.ZERO_SHOT_REACT_DESCRIPTION,
    verbose=True,
    callbacks=[logger]  # 加入自定义回调
)

# 运行Agent
response = agent.run("What do monkeys eat for breakfast?")

# 查看完整对话日志
for entry in logger.full_log:
    print(entry)

方法2：捕获Notebook的标准输出 #

利用io模块临时重定向标准输出，捕获verbose=True打印的所有对话内容。

import io
import sys

# 保存原标准输出
original_stdout = sys.stdout
# 创建临时输出缓冲区
captured_output = io.StringIO()
sys.stdout = captured_output

# 运行Agent
response = agent.run("What do monkeys eat for breakfast?")

# 恢复标准输出
sys.stdout = original_stdout

# 获取并查看完整对话
full_conversation = captured_output.getvalue()
print(full_conversation)

方法3：通过Memory存储对话历史 #

给Agent配置对话记忆组件，自动存储所有交互内容，之后直接从记忆中提取完整历史。

from langchain.memory import ConversationBufferMemory

# 初始化对话记忆
memory = ConversationBufferMemory(memory_key="chat_history")

# 初始化带记忆的Agent（替换你原有的agent初始化代码）
agent = initialize_agent(
    llm=llm,
    tools=tools,
    agent=AgentType.ZERO_SHOT_REACT_DESCRIPTION,
    verbose=True,
    memory=memory  # 添加对话记忆
)

# 运行Agent
response = agent.run("What do monkeys eat for breakfast?")

# 提取完整对话历史
print(memory.load_memory_variables({})["chat_history"])

内容的提问来源于stack exchange，提问作者Andrew Anderson