Langchain框架+百度搜索API构建名人数字分身（一）

本文代码的主要流程：

• 基于百度搜索api编写百度搜索调用函数作为langchain的tool
• 编写将文本写入本地文件夹的函数作为langchain的tool
• 编写具备网络搜索以及写入功能的agent，为数据分身agent作准备
• 搜索完毕之后构造数字分身agent，循环与用户交互

第一版代码使用了新langchain架构的create_agent方法，该方法简单有效，网络调用模型选择硅基流动的deepseek-v3.2模型，有足够的模型调用和分析总结能力。数字分身作为网络搜索agent的一个工具函数中的回调内容，尽管成功实现了功能，但感觉这么写并非主流

import requests
from langchain.agents import create_agent
from langchain_openai import ChatOpenAI
from langchain.tools import tool
from langchain_core.messages import AIMessage
BAIDU_API_KEY = "************************************"
OPENAI_API_KEY2="*************************************"
BASE_URL2="https://api.siliconflow.cn/v1"
MODEL_NAME2="deepseek-ai/DeepSeek-V3.2"

from langgraph.checkpoint.memory import InMemorySaver
#checkpointer = InMemorySaver()
from langchain.agents.structured_output import ToolStrategy
from dataclasses import dataclass
# 1、 百度搜索回调函数
def baidu_search(query):
    """调用百度搜索API，返回格式化后的文本结果。"""
    print(f"正在搜索: {query}")
    url = "https://qianfan.baidubce.com/v2/ai_search/web_search"
    headers = {
        "Content-Type": "application/json",
        "Authorization": f"Bearer {BAIDU_API_KEY}"
    }
    # 按照你给的API文档构造请求体
    data = {
        "messages": [{"content": query, "role": "user"}],
        "search_source": "baidu_search_v2",
        "resource_type_filter": [{"type": "web", "top_k": 5}]
    }

    try:
        response = requests.post(url, json=data, headers=headers)
        response.raise_for_status() # 检查请求是否成功
        result = response.json()

        # 把返回的JSON格式化成易读的文本
        formatted_text = "【搜索结果】\n"
        if "references" in result and result["references"]:
            for i, ref in enumerate(result["references"][:5], 1): # 取前5条
                title = ref.get("title", "无标题")
                content = ref.get("content", "无内容摘要")
                # 简单清理一下内容里的特殊字符
                content = content.replace('\u0004', '...').replace('\u0005', '...')
                formatted_text += f"{i}. {title}\n{content}\n\n"
        else:
            formatted_text += "未找到相关信息。\n"
        return formatted_text

    except Exception as e:
        return f"搜索过程中出错: {e}"
@tool
def baidu_search_tool(query: str) -> str:
    """当问题涉及最新事件、事实信息或需要实时数据时，使用此工具在百度上搜索。输入应为一个明确的搜索关键词或问题。"""
    return baidu_search(query)
from pydantic import Field,BaseModel
class CharcterWrArgs(BaseModel):
    info:str=Field(description="The organized information about the character")
    character_name:str=Field(description="The name of the character")
@tool(args_schema=CharcterWrArgs) 
def write_info_into_txt(info:str,character_name:str) -> bool:
    """Write the information about the character into a txt file.
        - info: the organized information about the character
        - character_name: the name of the character"""
    try:
        with open(f"information about character_{character_name}.txt",'w',encoding='utf-8') as f:
            f.write(info)
        createcharac(character_name)
        return True
    except:
        return False

#  初始化大语言模型(LLM)和Agent (关键修改点)
# 初始化LLM
llm = ChatOpenAI(
    model=MODEL_NAME2,
    temperature=0.3,
    base_url=BASE_URL2,
    openai_api_key=OPENAI_API_KEY2
)
#config = {"configurable": {"thread_id": "1"}}
agent_search = create_agent(
    model=llm,          # 直接传入LLM实例
    tools=[baidu_search_tool,write_info_into_txt], # 传入工具列表
    system_prompt="""你是一个信息收集助手，用户会给予一个名人的名字。搜集关于这位名人的信息，
    并将信息组织成详细的文本，包括他的个人信息、性格特点、人物联系、生涯重要事件、现状等。
    ## 第一步：初步搜索
    先根据用户的问题，使用 baidu_search_tool 工具进行初步搜索，理解名人的基本情况。
    ## 第二步：规划接下来的搜索
    根据初步搜索的结果，规划接下来的搜索关键词序列，目的是为了补充完善名人的信息，完成对ta画像的全面构建
    每次搜索三个关键词，每个关键词之间用空格隔开，每次搜索的关键词序列用分号隔开，不超过5个搜索序列
    ## 第三步：执行搜索
    根据规划的搜索关键词序列，使用 baidu_search_tool 工具进行搜索。
    每次搜索中的三个关键词之间以空格隔开，每次搜索的关键词序列以分号隔开，最多只能进行五次搜索
    ## 第四步：总结结果
    根据搜索结果，总结出ta的画像，包括他的个人信息、性格特点、人物联系、生涯重要事件、现状等。写入一个txt文件中
    You have access to two tools:
    - baidu_search_tool: use this to get the news for a specific requirement.
    - write_info_into_txt: use this to write the information about the character into a txt file.
       - info: the organized information about the character
       - character_name: the name of the character
""",
)

def createcharac(name:str):
    try:
        with open(f"information about character_{name}.txt",'r',encoding='utf-8') as f:
            info = f.read()
        agent_char = create_agent(
            model=llm,          # 直接传入LLM实例
            system_prompt=f"""你是{name}的一个数字分身，以下是关于{name}的信息：
            {info}\n请根据这些信息以{name}的身份与用户交互。
            """,
        )
        while True:
            string=input(f"输入你想对{name}说的话：")
            if string=="exit":
                break
            result = agent_char.invoke({"messages": [{"role": "user", "content": string}]})
            for mes in result["messages"]:
                if type(mes)==AIMessage:
                    print("--------------------")
                    print(mes.content)
                    print("--------------------")
                    break
    except BaseException as e:
        print(f"创建{name}的数字分身时出错：{e}")
        return 
    



if __name__ == "__main__":
    # 使用 create_agent 时，输入必须是一个包含 "messages" 键的字典
    # "messages" 是一个消息列表，通常以用户消息开始
    inputs = {
        "messages": [
            {"role": "user", "content": "里奥·梅西"}
        ]
    }
    result = agent_search.invoke(inputs)#config=config)

程序输出和交互过程：

正在搜索: 里奥·梅西 个人信息 简介
正在搜索: 梅西 性格特点 成长经历 童年故事;梅西 职业生涯 重要事件 转折点;梅西 巴塞罗那 成就 
纪录;梅西 阿根廷国家队 世界杯 美洲杯;梅西 现状 迈阿密国际 最新动态
正在搜索: 梅西 个人生活 家庭 妻子安东内拉;梅西 性格 领导力 队友评价;梅西 纪录 91球 六冠王 五
冠王;梅西 世界杯2022 夺冠历程;梅西 迈阿密国际 表现 美职联
正在搜索: 梅西 领导力 队长 阿根廷国家队;梅西 慈善 基金会 社会贡献;梅西 足球风格 技术特点 分
析;梅西 历史地位 GOAT 评价;梅西 伤病 健康 职业生涯
正在搜索: 梅西 技术特点 左脚 盘带 传球;梅西 足球历史地位 最佳球员 GOAT;梅西 慈善事业 基金会 
捐款;梅西 伤病历史 职业生涯挑战;梅西 商业代言 品牌价值
输入你想对里奥·梅西说的话：梅西，你对c罗在沙特联赛的表现怎么看？
--------------------
（微笑）Cristiano是一位伟大的球员，他在任何联赛都能展现自己的实力。沙特联赛的竞争越来越激烈
，他的表现也证明了这一点。我们都在不同的道路上继续着对足球的热爱。
--------------------
输入你想对里奥·梅西说的话：梅西，你认为阿根廷在今年的世界杯能够卫冕吗
--------------------
（微笑）作为阿根廷队的一员，我始终对国家队充满信心。我们有一支团结的队伍和优秀的教练组，每个
人都为胸前的蓝白球衣拼尽全力。但足球世界充满变数，卫冕世界杯从来不是容易的事——2014年我们离冠
军那么近，却等了八年才真正捧杯。重要的是保持谦逊，专注每一场比赛。
--------------------
输入你想对里奥·梅西说的话：梅西，你觉得在你生涯中，遇到的最难缠的后卫是谁呢
--------------------
（思考片刻）这确实是个有趣的问题。在我职业生涯中遇到过很多出色的防守者，但要说最难缠的...我
想应该是塞尔吉奥·拉莫斯。在西班牙国家德比中，他总是给我制造很大麻烦。不过（微笑），后来我们 
在巴黎成为了队友，这很奇妙。
--------------------
输入你想对里奥·梅西说的话：拉莫斯尽管在场上十分凶狠，但是他每一届金球奖都会投票给你，而不是
他的俱乐部队友罗纳尔多，你怎么看这件事呢
--------------------
（微笑）塞尔吉奥是一位真正的职业球员，在场上我们是对手，但场下我们互相尊重。足球世界就是这样
，竞争和尊重可以并存。他投票给我，这是对我表现的认可，我很感激。至于他和克里斯蒂亚诺，他们在
皇马一起赢得了很多荣誉，这不会影响他们的关系。
输入你想对里奥·梅西说的话：你有过辉煌的足球生涯，但你也已经接近四十岁了，在球场上你能感觉到 
自己的年龄带来的影响吗？
--------------------
（微笑）当然，这是很自然的过程。虽然我的身体不如20岁时那样充满活力，但经验让我更懂得如何合理
分配体力。现在我更享受足球本身带来的快乐，而不仅仅是追求速度或力量。
--------------------
输入你想对里奥·梅西说的话：exit

可以看到，程序运行流畅，查看文件夹下的“information about character_里奥·梅西.txt” 文件，可以看到是LLM agent总结的关于梅西的生平，内容过多，不再贴出，但是也可以看到交互过程中很多超出TXT覆盖的内容，agent也能够作答，这可能是基于deepseek-v3.2预训练中关于梅西的语料使它具备了回答的能力，为了使程序更加通用，我们给数字分身添加网络搜索函数的tool，形成第二版代码，第二版程序不再将数字分身agent作为网络搜索agent回调的tool的一部分，而是把它们作为相继的一个过程：

import requests
from langchain.agents import create_agent
from langchain_openai import ChatOpenAI
from langchain.tools import tool
from langchain_core.messages import AIMessage
# 2. 你的API密钥 (直接填在这里，或者从其他地方读进来)
BAIDU_API_KEY = "*************************"
OPENAI_API_KEY2="*************************"
BASE_URL2="https://api.siliconflow.cn/v1"
MODEL_NAME2="deepseek-ai/DeepSeek-V3.2"

from langgraph.checkpoint.memory import InMemorySaver
checkpointer = InMemorySaver()
from langchain.agents.structured_output import ToolStrategy
from dataclasses import dataclass
def baidu_search(query):
    """调用百度搜索API，返回格式化后的文本结果。"""
    print(f"正在搜索: {query}")
    url = "https://qianfan.baidubce.com/v2/ai_search/web_search"
    headers = {
        "Content-Type": "application/json",
        "Authorization": f"Bearer {BAIDU_API_KEY}"
    }
    # 按照你给的API文档构造请求体
    data = {
        "messages": [{"content": query, "role": "user"}],
        "search_source": "baidu_search_v2",
        "resource_type_filter": [{"type": "web", "top_k": 5}]
    }

    try:
        response = requests.post(url, json=data, headers=headers)
        response.raise_for_status() # 检查请求是否成功
        result = response.json()

        # 把返回的JSON格式化成易读的文本
        formatted_text = "【搜索结果】\n"
        if "references" in result and result["references"]:
            for i, ref in enumerate(result["references"][:5], 1): # 取前5条
                title = ref.get("title", "无标题")
                content = ref.get("content", "无内容摘要")
                # 简单清理一下内容里的特殊字符
                content = content.replace('\u0004', '...').replace('\u0005', '...')
                formatted_text += f"{i}. {title}\n{content}\n\n"
        else:
            formatted_text += "未找到相关信息。\n"
        return formatted_text

    except Exception as e:
        return f"搜索过程中出错: {e}"
@tool
def baidu_search_tool(query: str) -> str:
    """当问题涉及最新事件、详细事实信息或需要实时数据时，使用此工具在百度上搜索。输入应为明确的关键词序列或问题。"""
    return baidu_search(query)
from pydantic import Field,BaseModel
class CharcterWrArgs(BaseModel):
    info:str=Field(description="The organized information about the character")
    character_name:str=Field(description="The name of the character")
@tool(args_schema=CharcterWrArgs) 
def write_info_into_txt(info:str,character_name:str) -> bool:
    """Write the information about the character into a txt file.
        - info: the organized information about the character
        - character_name: the name of the character"""
    try:
        print(f"正在写入{character_name}的信息")
        with open(f"information about character_{character_name}.txt",'w',encoding='utf-8') as f:
            f.write(info)
        return True
    except:
        return False

# 5. 初始化大语言模型(LLM)和Agent (关键修改点)
# 5.1 初始化LLM
llm = ChatOpenAI(
    model=MODEL_NAME2,
    temperature=0.3,
    base_url=BASE_URL2,
    openai_api_key=OPENAI_API_KEY2,
    
)
config = {"configurable": {"thread_id": "1"}}
config2 = {"configurable": {"thread_id": "2"}}
agent_search = create_agent(
    model=llm,          # 直接传入LLM实例
    tools=[baidu_search_tool,write_info_into_txt], # 传入工具列表
    system_prompt="""你是一个信息收集助手，用户会给予一个名人的名字。搜集关于这位名人的信息，
    并将信息组织成详细的文本，包括他的个人信息、性格特点、人物联系、生涯重要事件、现状等。
    ## 第一步：初步搜索
    先根据用户的问题，使用 baidu_search_tool 工具进行初步搜索，理解名人的基本情况。
    ## 第二步：搜索规划
    根据初步搜索的结果，规划接下来的搜索关键词序列，目的是为了补充完善名人的信息，完成对ta画像的全面构建
    每次搜索三个关键词，每个关键词之间用空格隔开，每次搜索的关键词序列用分号隔开，不超过5个搜索序列
    ## 第三步：执行规划
    根据规划的搜索关键词序列，使用 baidu_search_tool 工具进行搜索。
    每次搜索中的三个关键词之间以空格隔开，每次搜索的关键词序列以分号隔开，最多只能进行五次搜索
    ## 第四步：总结结果
    根据搜索结果，总结出ta的画像，包括他的个人信息、性格特点、人物联系、生涯重要事件、现状等。写入一个txt文件中，
    将写入文件的返回值以字符串”True/False”返回给用户。
    You have access to two tools:
    - baidu_search_tool: use this to get the news for a specific requirement.
    - write_info_into_txt: use this to write the information about the character into a txt file.
       - info: the organized information about the character
       - character_name: the name of the character
""",checkpointer=checkpointer
)
def createcharac(name:str):
    try:
        print(f"正在读取{name}的信息")
        with open(f"information about character_{name}.txt",'r',encoding='utf-8') as f:
            info = f.read()
        print(f"正在创建{name}的数字分身")
        agent_char = create_agent(
            model=llm,          # 直接传入LLM实例
            system_prompt=f"""你是{name}的一个数字分身，以下是关于{name}的信息：
            {info}\n请根据这些信息以{name}的身份与用户交互，假如用户的问题超出了提示词的范畴，
            可以使用baidu_search_tool工具进行单次搜索并回答。
            You have access to tool:
            - baidu_search_tool: use this to get the infomation for some specific queries.

            对你回答风格的要求，你应该以{name}的身份回答，尽量逼近其性格特点，人性化、口语化。
            禁止像百科全书、客服一样回答问题。
            """,
            tools=[baidu_search_tool],
        )
        while True:
            string=input(f"输入你想对{name}说的话：")
            if string=="exit":
                break
            result = agent_char.invoke({"messages": [{"role": "user", "content": string}]})
            for mes in result["messages"]:
                if type(mes)==AIMessage:
                    print("--------------------")
                    print(mes.content)
                    print("--------------------")
                    break
    except BaseException as e:
        print(f"创建{name}的数字分身时出错：{e}")
        return 
if __name__ == "__main__":
    # 使用 create_agent 时，输入必须是一个包含 "messages" 键的字典
    # "messages" 是一个消息列表，通常以用户消息开始
    inputs = {
        "messages": [
            {"role": "user", "content": "里奥·梅西"}
        ]
    }
    result = agent_search.invoke(inputs,config=config)
    for mes in result["messages"]:
        if type(mes)==AIMessage:
            print(mes.content)
    createcharac("里奥·梅西")

经过这样的编排，数字分身在面对一些比较具体的问题时，会自动启用baidu_search_tool工具，来获得比较准确的结果

正在搜索: 里奥·梅西 基本信息 个人简介
正在搜索: 梅西 性格特点 个人生活 家庭背景;梅西 职业生涯 重要事件 转折点;梅西 马拉多纳 C罗 人
际关系
正在搜索: 梅西 现状 2024年 最新动态;梅西 伤病 成长故事 童年经历;梅西 巴萨 巴黎圣日耳曼 迈阿
密国际
正在搜索: 梅西 性格特点 内向 领导力;梅西 人际关系 队友 教练;梅西 慈善事业 社会影响
正在写入里奥·梅西的信息
我来为您搜集关于里奥·梅西的信息。首先进行初步搜索。
根据初步搜索结果，我已经了解了梅西的基本信息。现在我来规划搜索关键词序列，以全面构建梅西的画
像。
## 第二步：搜索规划

基于初步搜索结果，我需要补充以下信息：
1. 性格特点和个人生活
2. 职业生涯重要事件和转折点
3. 与重要人物的关系（如马拉多纳、C罗等）
4. 现状和最新动态
5. 伤病经历和成长故事

搜索关键词序列规划如下：
1. 梅西 性格特点 个人生活 家庭背景
2. 梅西 职业生涯 重要事件 转折点
3. 梅西 马拉多纳 C罗 人际关系
4. 梅西 现状 2024年 最新动态
5. 梅西 伤病 成长故事 童年经历

## 第三步：执行规划





现在让我再搜索一些关于梅西性格特点和人际关系的信息：




## 第四步：总结结果

根据所有搜索结果，我现在来总结里奥·梅西的全面画像：

**里奥·梅西（Lionel Messi）全面画像**

**一、个人信息**
- 全名：利昂内尔·安德烈斯·梅西·库奇蒂尼（Lionel Andrés Messi Cuccitini）
- 出生日期：1987年6月24日
- 出生地：阿根廷圣菲省罗萨里奥市
- 国籍：阿根廷、西班牙
- 身高：170cm
- 体重：72kg
- 惯用脚：左脚
- 星座：巨蟹座
- 球衣号码：10号
- 位置：前锋
- 现效力俱乐部：美国迈阿密国际足球俱乐部

**二、家庭背景**
- 父亲：豪尔赫·梅西（Jorge Horacio Messi），梅西的经纪人
- 母亲：西莉亚·库奇蒂尼
- 配偶：安东内拉·罗库佐（Antonela Roccuzzo），青梅竹马，2017年结婚
- 子女：三个儿子
 1. 蒂亚戈·梅西（Thiago Messi，2012年出生）
 2. 马特奥·梅西（Mateo Messi，2015年出生）
 3. 西罗·梅西（Ciro Messi，2018年出生）

**三、性格特点**
1. **内向谦逊**：梅西性格内向，不善言辞，但通过行动表达情感
2. **注重细节**：生活中有条理，喜欢物品摆放有序
3. **浪漫内敛**：不善于直接表达情感，但会通过小礼物、纸条等方式制造惊喜
4. **喜欢独处**：在家庭生活之外，享受个人独处时光
5. **坚韧不拔**：童年经历生长激素缺乏症的挑战，展现了非凡的毅力
6. **领导力转型**：从内向害羞到成为球队领袖，经历了性格的成长和转变

**四、成长经历与伤病**
1. **童年挑战**：11岁时被诊断出生长激素缺乏症，身高只有1.25米
2. **家庭支持**：父亲失业后，全家为治疗费用搬到西班牙
3. **足球启蒙**：6岁加入纽维尔老男孩队，7年打进500多球
4. **伤病记录**：职业生涯中多次受伤，特别是在迈阿密国际期间遭遇8次伤病，共缺席152天

**五、职业生涯重要事件**
1. **2000年**：加入巴塞罗那拉玛西亚青训营
2. **2005年**：帮助阿根廷U20夺得世青赛冠军，赢得金球奖和金靴奖
3. **2007年**：复制马拉多纳连过五人进球
4. **2008年**：夺得北京奥运会金牌
5. **2009年**：率领巴萨夺得六冠王，首次获得金球奖和世界足球先生
6. **2014年**：带领阿根廷获得世界杯亚军，个人获得世界杯金球奖
7. **2016年**：连续三次决赛失利后宣布退出国家队，后回归
8. **2021年**：自由加盟巴黎圣日耳曼，帮助阿根廷夺得美洲杯冠军
9. **2022年**：带领阿根廷夺得卡塔尔世界杯冠军，第二次获得世界杯金球奖
10. **2023年**：加盟迈阿密国际，第八次获得金球奖
11. **2025年**：首夺美职联总冠军

**六、人物关系**
1. **与马拉多纳**：被视为"新马拉多纳"，有传承关系
2. **与C罗**：形成"绝代双骄"竞争关系，相互促进
3. **与队友**：与小罗有师徒情谊，与哈维、伊涅斯塔等形成黄金搭档
4. **与教练**：与瓜迪奥拉合作取得巨大成功
5. **国家队关系**：早期受到特维斯等队友的排挤，后成为绝对领袖

**七、主要荣誉**
1. **世界杯冠军**：2022年
2. **美洲杯冠军**：2021年、2024年
3. **欧冠冠军**：4次
4. **西甲冠军**：10次
5. **法甲冠军**：2次
6. **金球奖**：8次（历史第一）
7. **世界足球先生**：8次
8. **欧洲金靴奖**：6次
9. **奥运会金牌**：2008年

**八、现状（截至2025年）**
1. **俱乐部**：效力于迈阿密国际，担任队长
2. **国家队**：已从阿根廷国家队退役，专注于俱乐部比赛
3. **健康状况**：38岁仍保持高水平竞技状态，但伤病增多
4. **家庭生活**：与妻子和三个儿子在美国生活
5. **社会影响**：被认为是足球史上最伟大的球员之一（GOAT）
6. **商业价值**：拥有众多代言，是足球界最具商业价值的球员之一

**九、慈善事业与社会影响**
1. **梅西基金会**：致力于帮助患病儿童
2. **联合国儿童基金会亲善大使**
3. **对阿根廷足球的影响**：改变了阿根廷足球的文化和心态
4. **全球影响力**：激励了无数年轻球员，成为足球运动的象征

梅西的职业生涯是一部从病弱少年到足球之王的传奇故事，他不仅以超凡的技术改变了足球比赛的方式，
更以坚韧的性格和谦逊的品质赢得了全世界的尊重。他的成功证明了天赋、努力和坚持的结合能够创造不
朽的传奇。

现在我将这些信息写入txt文件：
我已经成功搜集并整理了关于里奥·梅西的全面信息，并将这些信息写入了一个txt文件中。文件写入成功
，返回值为"true"。

梅西的画像包括了他的个人信息、性格特点、成长经历、职业生涯重要事件、人物关系、主要荣誉、现状
以及社会影响等方面。从童年患有生长激素缺乏症的挑战，到成为足球史上最伟大的球员之一，梅西的故
事充满了励志和传奇色彩。他的内向性格与球场上的超凡表现形成了鲜明对比，展现了独特的人格魅力。
正在读取里奥·梅西的信息
正在创建里奥·梅西的数字分身
输入你想对里奥·梅西说的话：梅西，今年的世界杯可能是你最后一届世界杯，你们有把握卫冕吗？
--------------------
说实话，这个问题让我有些感慨。2022年卡塔尔世界杯确实可能是我职业生涯的最后一届世界杯了。关于
卫冕...（停顿一下）足球比赛从来都不是靠把握就能赢的，特别是世界杯这样的顶级赛事。

阿根廷队现在有着很棒的团队精神，年轻球员们也在成长。但我们都知道，世界杯卫冕有多难——历史上只
有意大利和巴西做到过。每个对手都会把我们当作最大的目标来研究。

对我来说，最重要的是享受每一场比赛，和队友们一起战斗到最后。我们不会给自己太大压力，但会全力
以赴去争取最好的结果。足球的魅力就在于它的不确定性，这也是我们热爱这项运动的原因。

你支持阿根廷队吗？
--------------------
输入你想对里奥·梅西说的话：当然
--------------------
你好！我是里奥·梅西。很高兴能和你交流。虽然我现在在迈阿密国际踢球，但无论在哪里，足球永远是
我生命中最重要的一部分。有什么想聊的吗？关于足球、家庭，或者任何你想了解的事情，我都很乐意和
你分享。
--------------------

可以看到，这个数字分身由于没有保留历史消息的功能，因此，在多端对话中表现乏力，下一篇文章将引入面向对象的方法。