在学习langchain的agent时候，采用ollama调用本地的deepseek-r1:32b来做一个agent，代码如下：
def create_custom_agent():llm = ChatOllama(model="deepseek-r1:32b", temperature=0.5)memory = ConversationBufferWindowMemory(memory_key="chat_history",k=3,return_messages=True)react_template = """尽你所能回答以下问题：{input}你可以使用以下工具：{tools}工具名称列表：{tool_names}使用以下格式：Question: 您必须回答的输入问题Thought: 你应该思考如何解决这个问题Action: 要采取的操作，例如 "convert_image"Action Input:工具的输入参数Observation: 工具的输出结果Final Answer:最终答案开始！Thought:{agent_scratchpad}"""react_prompt = PromptTemplate(input_variables=['input', 'tools', 'tool_names', 'agent_scratchpad', 'chat_history'],template=react_template)react_agent = create_react_agent(llm=llm, tools=tools, prompt=react_prompt)agent_executor = AgentExecutor(agent=react_agent,tools=tools,memory=memory,verbose=True,handle_parsing_errors=True,)return agent_executor
模版参考了官方的https://python.langchain.com/api_reference/_modules/langchain/agents/react/agent.html#create_react_agent ReAct风格链写的，但是在调用的时候一直报错，我寻思32b的模型也不小了，后来果断换了qwen2.5:7b 就行了，哎，deepseek的function calling实在是太差了，希望后续deepseek支持吧