LangChain PythonREPL + 大模型：让 AI 直接生成并执行 Python 代码

在大模型的实际应用中，我们经常遇到一个痛点：大模型擅长理解和推理，但在精准计算、逻辑运算上容易出错。

而 LangChain 实验性工具库中的 PythonREPL，完美解决了这个问题。它能让大模型直接生成 Python 代码，并且自动运行代码、输出精准结果，实现真正的「AI 自主计算」。

今天这篇文章，就带大家彻底搞懂：PythonREPL + 大模型 如何实现「自然语言提问 → 生成 Python 代码 → 自动执行代码 → 返回精准答案」的全流程能力。

---

一、核心主角：LangChain PythonREPL 到底是什么？

PythonREPL 是 LangChain 生态中极具实用价值的工具，专门用于动态执行 Python 代码。

它的核心能力：

• 接收字符串格式的 Python 代码
• 在独立环境中直接运行代码
• 自动返回执行结果
• 无缝对接大模型输出，零格式转换成本

简单说：它就是大模型的「代码执行器」，让大模型不再只输出文字，而是能真正运行代码、完成计算任务。

---

二、最强组合：PythonREPL + 大模型的核心能力

这两者结合后，会产生远超单一模型的强大能力：

1. 大模型负责「理解 + 生成代码」

• 理解自然语言问题（数学题、逻辑题、计算题等）
• 根据问题自动生成可运行的 Python 代码
• 严格遵循指令，只输出纯代码，不携带多余内容

2. PythonREPL 负责「执行代码 + 返回结果」

• 接收模型生成的代码
• 全自动执行，无需人工复制、运行
• 返回最精准、最可靠的计算结果
• 全程无人工干预，真正自动化

这就是这套方案的核心价值：大模型负责「动脑生成代码」，PythonREPL 负责「动手运行代码」，强强联合，实现 100% 精准计算。

---

三、完整实现流程：清晰易懂，全程自动化

整个实现逻辑非常简洁，一共四步：

1. 对接大模型

配置兼容 OpenAI 接口的大模型，设定参数，保证代码生成稳定、准确。

2. 提示词约束

通过提示模板，强制模型只返回纯 Python 代码，不返回解释、文字、格式符号。

3. 代码清洗

自动清理模型可能附带的标签、代码块标记，保证代码纯净可执行。

4. PythonREPL 自动执行

将清洗后的代码直接传入 PythonREPL，一键执行，立即输出结果。

全程不需要人工写代码、不需要手动运行，真正实现AI 全自动计算。

---

四、这套方案的核心优势（为什么一定要用？）

1. 计算绝对精准彻底解决大模型口算错误问题，代码执行结果 100% 可靠。

2. 全流程自动化从提问到答案，中间生成代码、执行代码全部自动完成。

3. 零门槛集成基于 LangChain 生态，依赖少、接入快，几行核心逻辑即可实现。

4. 场景无限扩展可用于数学计算、公式推导、数据处理、逻辑判断、简单脚本生成等。

5. 模型能力翻倍让普通大模型瞬间拥有「代码生成 + 代码执行」双重能力，实用性大幅提升。

---

五、实际效果演示（直观感受强大能力）

以数学应用题为例：3 箱苹果重 45 千克。一箱梨比一箱苹果多 5 千克，6 箱梨重多少千克？

这套系统会自动完成：

1. 大模型读懂题目 → 生成对应的 Python 计算代码
2. 自动清洗代码格式
3. PythonREPL 自动执行代码
4. 直接输出最终答案

你只需要输入问题，剩下全部交给 AI + PythonREPL 自动完成。

---

六、总结

LangChain PythonREPL 与大模型的结合，是大模型从「文字回答」走向「实际执行」的关键能力。

• 大模型提供「理解与代码生成」
• PythonREPL 提供「代码执行与精准计算」

两者结合，让 AI 不再是只会说话的助手，而是能写代码、能运行代码、能给出精准结果的智能工具。

这种能力不仅适用于数学计算，还能扩展到数据处理、自动化脚本、逻辑验证等大量实际场景，是大模型工程化、实用化的必备技巧！

代码实现：

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75

#pip install langchain-experimental #pip install langchain-core==0.1.52 langchain-experimental==0.0.54 from langchain_experimental.utilities import PythonREPL from langchain_openai import ChatOpenAI from langchain_core.output_parsers import StrOutputParser from langchain_core.prompts import ChatPromptTemplate import re #测试执行python代码 python_repl = PythonREPL() result = python_repl.run("print(1+3)") print(f"执行结果：{result}") # 1. 初始化 LLM（保持不变） DEEPSEEK_API_KEY = "123"  # 替换为实际的 API Key llm = ChatOpenAI(     api_key=DEEPSEEK_API_KEY,     base_url="http://qwen3-32b-awq.model.xjipc.com/openai/v1",  # Deepseek 的 API 基础地址     model="qwen3-32b-awq",  # Deepseek 对话模型（可选：deepseek-chat-pro 等高级模型）     temperature=0.7,  # 温度参数（0-1，越低越稳定）     max_tokens=1024  # 最大生成 tokens ) promptFormat = """{query} 请根据上面的问题，生成Python代码计算出问题的答案，最后计算出来的结果用print()打印出来，请直接返回Python代码，不要返回其他任何内容的字符串 """ prompt = ChatPromptTemplate.from_template(promptFormat) output_parser = StrOutputParser() chain = prompt | llm | output_parser result = chain.invoke({"query":"3箱苹果重45千克。一箱梨比一箱苹果多5千克，6箱梨重多少千克？"}) print('-----返回python代码-----') print(result) def remove_think_tags(text):     """     移除字符串中<think></think>标签及其内容     Args:         text: 包含think标签的字符串     Returns:         移除think标签及其内容后的字符串     """     # 支持多行内容和标签可能有的属性     pattern = r'<think[^>]*>.*?</think>'     result = re.sub(pattern, '', text, flags=re.DOTALL)     # 清理空白字符     result = result.strip()     result = re.sub(r'\n{3,}', '\n\n', result)  # 限制连续换行     return result #去掉<think>标签之间的内容 result =  remove_think_tags(result) #去掉返回值中不需要的部分 def parsePython(codeStr):     codeStr = codeStr.replace("```","")     codeStr = codeStr.replace("python", "")     return codeStr result =  parsePython(result) print('**************') print(result) print('**************') print('-----返回python执行结果-----') print(python_repl.run(result))

结果输出：

执行结果：4

-----返回python代码-----
<think>
好的，我现在得解决这个问题。题目是说，3箱苹果重45千克。一箱梨比一箱苹果多5千克，问6箱梨重多少千克？

首先，我应该先理清楚已知条件和要求。首先，苹果的部分：3箱苹果总重45千克，那每箱苹果的重量应该是45除以3，也就是15千克。对吧？所以每箱苹果是15kg。

然后，题目说一箱梨比一箱苹果多5千克。那梨每箱的重量就是苹果每箱的重量加上5。也就是15+5=20千克每箱梨。对吧？

接下来，问题是要算6箱梨的总重量。那应该就是每箱梨的重量乘以6。也就是20*6=120千克。所以答案应该是120千克。

那现在我要怎么用Python代码来实现这个过程呢？首先，我需要计算每箱苹果的重量。已知3箱苹果总重45kg，所以apple_per_box = 45 / 3。得到15。然后，梨每箱就是15+5=20。然后乘以6得到总重量。

所以代码步骤大概是这样的：

1. 计算每箱苹果的重量：apples_total = 45，boxes_apples =3 → per_apple = apples_total / boxes_apples
2. 梨每箱重量是per_apple +5
3. 梨的箱数是6，总重量就是（per_apple +5）*6
4. 输出结果

那Python代码应该怎样写呢？比如：

apples_total = 45
apple_boxes = 3
per_apple = apples_total / apple_boxes

pear_per_box = per_apple +5
pear_boxes =6
total_pears = pear_per_box * pear_boxes

print(total_pears)

这样应该就能得到正确的结果了。然后运行的话应该输出120.0？或者是否需要处理成整数？不过题目中的数值都是整数，可能希望得到整数结果。不过45除以3是整数，所以没问题。但如果是其他情况可能有小数，这里应该没问题。所以直接打印即可。

那这段代码应该就能解决问题了。检查一下步骤是否正确。是的。所以生成的代码应该就是这样的。
</think>

```python
apples_total = 45
apple_boxes = 3
per_apple = apples_total / apple_boxes

pear_per_box = per_apple + 5
pear_boxes = 6
total_pears = pear_per_box * pear_boxes

print(total_pears)
```
**************

apples_total = 45
apple_boxes = 3
per_apple = apples_total / apple_boxes

pear_per_box = per_apple + 5
pear_boxes = 6