使用DeepSeek-R1 Distill LLaMA-70B构建谈判代理

谈判是一门艺术，影响着从工作机会到商业交易的方方面面。无论您是在谈判薪水、完成商业交易，还是在解决合同纠纷，适当的技巧都可能是成功与牺牲之间的分水岭。为了简化和精简谈判过程，我开发了一个人工智能驱动的谈判代理（AI-Powered Negotiation Agent），这是一个基于 LangChain 和 DeepSeek-R1 的 Streamlit 网络应用程序。它能根据你的输入为你提供智能谈判策略，让你通过谈判达成最佳协议。

学习目标

• 了解人工智能在加强各领域谈判策略中的作用。
• 了解 DeepSeek R1 Distill Llama 70B 如何实现实时 AI 驱动的谈判洞察。
• 探索人工智能谈判代理的关键功能，包括还价和风险评估。
• 亲身体验在 Streamlit 中设置和使用人工智能驱动的谈判工具。
• 了解人工智能生成的策略如何优化薪资讨论、商业交易和合同谈判。

什么是DeepSeek R1 Distill Llama 70b？

DeepSeek-R1-Distill-Llama-70B 是一个高性能的 GroqCloud AI 模型。它是 Llama 3.3 70B 的蒸馏版本，可智能高效地回答数学、编码和事实问题。

该模型按部就班地进行推理，因此适用于高层决策。借助 Groq 极其快速的推理能力，用户可以体验到无延迟的实时人工智能推理，为高端人工智能应用带来新的可能性。

问题陈述

由于缺乏信息、情感偏差或论证结构薄弱，人们很难进行有效的谈判。

• 由于谈判技巧不佳，员工可能会选择低薪。
• 企业可能因为不了解对方的需求而无法达成交易。
• 自由职业者和初创企业在定价和合同方面举步维艰。

目标：创建一个人工智能代理，分析谈判场景，预测还价，并根据逻辑和过去的数据提出最佳谈判策略。

AI谈判代理的主要功能

下面让我们了解一下 AI 谈判代理的主要功能：

• 支持多种谈判类型（薪资、商业交易、自由职业、合同纠纷）
• 人工智能生成还价，并提供理由和风险评估
• 可定制的输入字段，用于个性化谈判场景
• 为人工智能建议的策略进行置信度评分
• 使用 Groq API 进行快速高效的处理

该代理如何工作

用户首先打开 Streamlit 应用程序，选择所需的谈判类型。然后输入报价详情，提供关键信息供人工智能模型处理。点击 “生成人工智能策略 ”按钮后，系统将初始化并加载大型语言模型（DeepSeek-R1）。然后使用预定义的提示模板处理输入数据，确保人工智能有效地理解谈判背景。

处理完成后，人工智能会根据提供的细节生成量身定制的谈判策略。最后，系统会显示人工智能建议的策略，提供见解和建议，帮助用户完成谈判过程。

选择谈判类型

从四个预定义选项中进行选择：

• 薪资谈判
• 商业交易
• 自由职业者定价
• 合同纠纷

输入您的报价和限制条件

填写：

• 您建议的出价（₹ 或 %)
• 对方的预期报价
• 关键限制，如最低工资、投资限制或截止日期

人工智能生成策略

提交后，人工智能会分析您的谈判，并提供

• 基于输入的最佳还价
• 还价理由
• 风险评估（被接受的可能性）
• 信心分数（满分 100）

利用人工智能洞察力进行谈判

利用人工智能生成的策略，自信地进行谈判并达成更好的交易。

设置基础

下面我们将通过首先设置环境，然后安装库来设置基础：

环境设置

# Create a Environment
python -m venv env
# Activate it on Windows
.\env\Scripts\activate
# Activate in MacOS/Linux
source env/bin/activate

安装Requirements.txt

pip install -r https://raw.githubusercontent.com/Gouravlohar/Negotiation-Agent/refs/heads/main/requirements.txt

设置API密钥

访问 Groq 获取 API 密钥。

粘贴 API 密钥到 .env 文件中：

GROQ_API_KEY="Your API KEY PASTE HERE"

使用DeepSeek-R1 Distill LLaMA-70B构建谈判代理

下面，我们将引导您使用DeepSeek-R1 Distill LLaMA-70B和Streamlit构建人工智能谈判代理，让您毫不费力地生成智能、数据驱动的谈判策略。让我们开始吧！

第一步：导入必要的库

导入必要的库，包括用于 UI 的 Streamlit、用于 AI 处理的 LangChain 和用于环境变量管理的 dotenv，以建立谈判代理。

import os
import streamlit as st
from langchain.prompts import PromptTemplate
from langchain.chains import LLMChain
from langchain_groq import ChatGroq
from dotenv import load_dotenv

第二步：加载Groq API密钥

应用程序会从环境文件中加载 Groq API 密钥。如果缺少密钥，系统将显示错误信息，并停止执行以防止未经授权的访问。

load_dotenv()
groq_api_key = os.getenv("GROQ_API_KEY")
if not groq_api_key:
st.error("Groq API Key not found in .env file")
st.stop()

第三步：设置Streamlit界面

Streamlit 应用程序采用标题和宽版面设计。这确保了与谈判代理接触的界面结构合理、用户友好。

st.set_page_config(page_title="AI Negotiation Agent", layout="wide")
st.title("🤝 AI-Powered Negotiation Agent")

第四步：设置谈判代理侧边栏

在侧边栏中，用户可以选择自己喜欢的谈判类型–薪资谈判、商业交易、自由定价或合同纠纷，从而定制人工智能生成的策略。

st.sidebar.header("Negotiation Settings")
st.sidebar.markdown("Select your negotiation type and explore the details below.")
negotiation_type = st.sidebar.selectbox("Negotiation Type", [
"Salary Negotiation", 
"Business Deal", 
"Freelance Pricing", 
"Contract Dispute"
])

• 添加侧边栏，供用户选择协商类型。
• 可用选项：薪资、商业交易、自由职业者定价、合同纠纷： 薪资、商业交易、自由定价、合同纠纷。

第五步：用户说明

一个可扩展的部分提供了如何使用应用程序的逐步指导。用户输入报价详情，点击“Generate AI Strategy”按钮，并根据需要调整谈判设置。

with st.expander("How to use this app"):
st.markdown("""
- Fill in your offer, the opposing offer, and key constraints.
- Click **Generate AI Strategy** to receive suggestions.
- Use the sidebar to adjust the negotiation type.
""")

第六步：AI处理的提示模板

定义一个结构化的提示模板，以确保人工智能模型收到关键的谈判细节。其中包括谈判类型、出价、限制以及预期的人工智能输出，如还价、风险评估和信心分数。

negotiation_template = """
You are an expert negotiator. Analyze this scenario and suggest the best negotiation strategy:
- **Negotiation Type:** {negotiation_type}
- **Your Offer:** {your_offer}
- **Other Party's Expected Offer:** {other_party_stance}
- **Key Constraints:** {key_constraints}
### Provide:
1. The best counteroffer.
2. Justification with reasoning.
3. Risk assessment (if any).
4. Confidence score (out of 100%).
"""

• 为人工智能处理定义结构化提示。
• 人工智能将生成：还价、推理、风险评估、置信度评分。

第七步：加载AI模型的函数

我们使用 ChatGroq API 实现了一个函数来初始化 DeepSeek R1（Distill LLaMA-70B）模型。参数 streaming=True 可实现实时响应生成。

def load_LLM(groq_api_key):
"""Loads the ChatGroq model for processing."""
llm = ChatGroq(groq_api_key=groq_api_key, model_name="deepseek-r1-distill-llama-70b", streaming=True)
return llm

• 通过 ChatGroq API 初始化 DeepSeek R1（Distill LLaMA 70B）。
• Streaming=True 允许实时响应。

第八步：收集用户输入

表单可捕获用户输入，包括他们的出价、对手的预期出价和关键限制条件。这些信息对于人工智能模型生成有效的谈判策略至关重要。

st.header(f"💼 {negotiation_type}")
st.markdown("Enter details of your negotiation scenario below:")
with st.form(key="negotiation_form"):
col1, col2 = st.columns(2)
with col1:
your_offer = st.text_input("Your Offer (₹ or %):", placeholder="Enter your proposed offer...")
with col2:
other_party_stance = st.text_input("Other Party's Expected Offer (₹ or %):", placeholder="Enter expected counteroffer...")
key_constraints = st.text_area("Key Constraints", height=150, placeholder="List deal-breakers, goals, must-haves...")
submit_button = st.form_submit_button("Generate AI Strategy")

创建一个供用户输入的表单：

• 他们的报价
• 预期还价
• 任何限制条件或交易破坏者

第九步：生成基于AI的谈判策略

提交后，应用程序会先验证输入字段，然后再处理数据。加载人工智能模型，并发送生成策略的提示。回复包括还价、理由、风险评估和信心分数。如果缺少任何字段，错误信息会提示用户填写表格。

if submit_button:
if your_offer and other_party_stance and key_constraints:
with st.spinner("Generating negotiation strategy..."):
llm = load_LLM(groq_api_key)
prompt_obj = PromptTemplate(
input_variables=["negotiation_type", "your_offer", "other_party_stance", "key_constraints"],
template=negotiation_template
)
chain = LLMChain(llm=llm, prompt=prompt_obj)
result = chain.run(
negotiation_type=negotiation_type, 
your_offer=your_offer, 
other_party_stance=other_party_stance, 
key_constraints=key_constraints
)
st.success("Strategy generated successfully!")
st.subheader("💡 AI's Suggested Strategy:")
st.markdown(result)
else:
st.error("Please fill in all fields before generating a strategy.")

• 用户提交谈判方案（出价、对手出价、限制条件）。
• 代码检查所有字段是否填写完毕。
• 人工智能处理输入时，会出现一个加载旋转器。
• DeepSeek AI 根据提示生成谈判策略。
• 策略会显示出来，包括还价、风险和理由。
• 如果缺少输入，则会显示错误信息。

在 GitHub 上获取完整代码

测试AI谈判代理

输入

谈判类型：薪资谈判

• 您的报价：₹15LPA（百万年薪）
• 对方的预期报价：₹12 LPA

关键制约因素：

• 最低₹14 LPA 以满足开支。
• 喜欢混合工作的灵活性。
• 对基于绩效的激励机制持开放态度。

输出

小结

无论是在工作中还是在个人生活中，谈判都是一项宝贵的技能，而使用 DeepSeek-R1 的“谈判代理”可以利用数据来帮助您改善交易谈判。无论您是在谈判加薪、商业投资还是合同条款，这款应用程序都能通过人工智能生成的还价、风险水平和信心分数帮助您做出更好的决定。

该工具利用 DeepSeek-R1 Distill LLaMA-70B、LangChain 和 Streamlit 来促进谈判。它能帮助您最大限度地减少不确定性，最大限度地提高成功率。

有了人工智能，您不必再猜测自己的最佳策略，而是可以满怀信心地进行谈判！

• 该程序可分析报价和限制条件，提供智能还价。
• 支持薪资谈判、商业交易、自由职业者定价和合同纠纷。
• 人工智能会评估谈判的成功概率和潜在风险。
• 用户可以输入报价和关键限制条件，生成量身定制的策略。
• 通过使用 DeepSeek R1 Distill Llama 70b 和 LangChain，该应用程序可快速处理数据并提供可行的策略。

常见问题

Q1. load_LLM() 函数的作用是什么？

A. load_LLM() 函数使用 ChatGroq API 初始化 DeepSeek R1 Distill Llama 70b 模型。它返回一个 LLM（语言模型），用于处理用户输入并生成协商策略。

Q2. PromptTemplate 的作用是什么？

A. PromptTemplate 定义了发送给人工智能的提示结构。它确保人工智能收到所有必要的详细信息（报价、限制条件、谈判类型），以生成有意义的回复。

Q3. 为什么 API 密钥存储在 .env 文件中？

A. API 密钥是敏感数据，将其存储在 .env 文件中可以保证安全。dotenv 软件包会将此密钥加载到环境中，而不会在代码中暴露。

Q4. 应用程序如何处理丢失的用户输入？

A. 在提交之前，应用程序会验证输入字段（your_offer、other_party_stance、key_constraints）。如果任何字段为空，程序会显示错误信息，以确保完整的数据输入。