Skip to main content
Valthera 是一个开源框架，使 LLM 智能体能够驱动有意义的、具有上下文感知的用户参与。它实时评估用户的动机和能力，确保只有在用户最容易接受时才触发通知和操作。 langchain-valthera 将 Valthera 与 LangChain 集成，使开发者能够构建更智能的、基于行为驱动的参与系统，在 LangChain 应用中提供个性化的交互。

​
安装与设置

​
安装 langchain-valthera

通过 pip 安装 LangChain Valthera 包： 
pip install -U langchain-valthera
导入 ValtheraTool： 
from langchain_valthera.tools import ValtheraTool

​
示例：为 LangChain 初始化 ValtheraTool

此示例展示如何使用 DataAggregator 以及动机和能力评分配置来初始化 ValtheraTool。 
import os
from langchain_openai import ChatOpenAI
from valthera.aggregator import DataAggregator
from mocks import hubspot, posthog, snowflake  # Replace these with your actual connector implementations
from langchain_valthera.tools import ValtheraTool

# 使用你的数据连接器初始化 DataAggregator
data_aggregator = DataAggregator(
    connectors={
        "hubspot": hubspot(),
        "posthog": posthog(),
        "app_db": snowflake()
    }
)

# 使用评分配置初始化 ValtheraTool
valthera_tool = ValtheraTool(
    data_aggregator=data_aggregator,
    motivation_config=[
        {"key": "hubspot_lead_score", "weight": 0.30, "transform": lambda x: min(x, 100) / 100.0},
        {"key": "posthog_events_count_past_30days", "weight": 0.30, "transform": lambda x: min(x, 50) / 50.0},
        {"key": "hubspot_marketing_emails_opened", "weight": 0.20, "transform": lambda x: min(x / 10.0, 1.0)},
        {"key": "posthog_session_count", "weight": 0.20, "transform": lambda x: min(x / 5.0, 1.0)}
    ],
    ability_config=[
        {"key": "posthog_onboarding_steps_completed", "weight": 0.30, "transform": lambda x: min(x / 5.0, 1.0)},
        {"key": "posthog_session_count", "weight": 0.30, "transform": lambda x: min(x / 10.0, 1.0)},
        {"key": "behavior_complexity", "weight": 0.40, "transform": lambda x: 1 - (min(x, 5) / 5.0)}
    ]
)

print("✅ ValtheraTool successfully initialized for LangChain integration!")
langchain-valthera 集成允许你评估用户行为并决定最佳参与策略，确保在 LangChain 应用中的交互既及时又相关。
在 GitHub 上编辑此页面或提交问题。
通过 MCP 将这些文档连接到 Claude、VSCode 等以获取实时答案。