W tym artykule omówimy agentów w LangChain ze wszystkich możliwych aspektów
Kim jest agent w LangChain?
Niektóre aplikacje wymagają nie tylko z góry określonych łańcuchów, ale także nieznanego łańcucha, który zależy od danych wejściowych użytkownika. W takim przypadku istnieje „ agent ”, którzy uzyskują dostęp do narzędzia i decydują, które narzędzie jest wymagane, w zależności od wkładu użytkownika i tego, o co prosi. Zestaw narzędzi to w zasadzie zestaw narzędzi potrzebnych do osiągnięcia określonego celu, a w zestawie narzędzi znajduje się 3-5 narzędzi.
Rodzaje agentów LangChain
Istnieją dwaj główni agenci:
- Agenci akcji
- Agenci planuj i wykonuj
Agenci akcji: Agenci ci decydują, jakie działania podjąć krok po kroku, oceniają każdy krok, a następnie wykonują go i przechodzą do następnego, jeśli omówimy pseudokod agenta, który obejmuje kilka kroków
- Dane wejściowe są odbierane od użytkownika.
- Agent decyduje o narzędziu i jego rodzaju.
- Narzędzie to jest wywoływane za pomocą narzędzia wejściowego i rejestrowana jest obserwacja.
- Narzędzie historii, narzędzie do obserwacji i narzędzie do wprowadzania danych są przekazywane z powrotem do agenta.
- Powtarzaj ten proces, aż agent zdecyduje się opuścić to narzędzie.
Agenci planuj i wykonuj: Agenci ci najpierw decydują o akcji, którą należy podjąć, a następnie wykonują wszystkie te akcje.
- Odebrano dane wejściowe użytkownika.
- Agent wyświetla listę wszystkich kroków do wykonania.
- Executor przegląda listę kroków, wykonując je.
Konfigurowanie agenta
Przed skonfigurowaniem agenta należy zainstalować najnowszą wersję Pyton zgodnie z systemem operacyjnym.
Krok 1: Instalowanie pakietów
Po pierwsze, musimy stworzyć do tego środowisko, musimy zainstalować LangChain, wyniki wyszukiwania Google i Openai poprzez „ pypeć ' Komenda:
! pypeć zainstalować łańcuch językowy
! pypeć zainstalować wyniki-wyszukiwania google
! pypeć zainstalować otwórz
Importowanie wymaganych bibliotek:
z langchain.schema zaimportuj SystemMessagez langchain.agents importuj OpenAIFunctionsAgent, AgentExecutor
z narzędzia do importowania langchain.agents
z langchain.chat_models importuj ChatOpenAI
import dot
z getpass import getpass
Krok 2: Zdobądź swój tajny interfejs API
Po skonfigurowaniu środowiska musisz teraz zdobyć tajne klucze API z platformy OpenAI:
llm = ChatOpenAI ( openai_api_key =openai_api_key, temperatura = 0 )
Krok 3: Narzędzie inicjujące
Następnie zdefiniujmy narzędzie, pisząc prosty kod w Pythonie, aby uzyskać długość ciągu.
def pobierz_word_string ( słowo: ul ) - > int:
„” „podaj mi długość sznurka”. „”
powrót tylko ( słowo )
narzędzia = [ get_word_string ]
Krok 4: Utwórz szablon podpowiedzi
Po zdefiniowaniu narzędzia skonfiguruj szablon podpowiedzi do tego celu „OpenAIFunctionsAgent.create_prompt()” funkcja pomocnicza, która automatycznie utworzy szablon.
zachęta = OpenAIFunctionsAgent.create_prompt ( wiadomość systemowa =wiadomość_systemowa )
Krok 5: Tworzenie agenta
Teraz możemy zakończyć wszystkie elementy i utworzyć agenta za pomocą funkcji o nazwie „OpenAIFunctionsAgent()” .
Krok 6: Konfigurowanie środowiska wykonawczego
Jeśli pomyślnie utworzyłeś agenta, utwórz środowisko wykonawcze dla agenta, w tym przypadku „AgentExecutor” będzie używany jako środowisko wykonawcze agenta.
Krok 7: Testowanie agenta
Po utworzeniu Runtime przyszedł czas na przetestowanie agenta.
Jeśli w kroku 2 wpisałeś poprawny klucz API, otrzymasz odpowiedź.
Wniosek
Artykuł ten został zilustrowany pod wieloma względami, najpierw pokazuje, czym jest LangChain i jak działa, następnie przechodzi do agentów w LangChain, omawia przeznaczenie agentów w LangChain oraz zawiera informacje o dwóch głównych typach agentów „Agenci akcji” I „Agenci planujący i realizujący” używany w LangChain, a na końcu wykonanie kodu polegało na ustanowieniu agenta w LangChain