В тази статия ще обсъдим агентите в LangChain от всички възможни аспекти
Какво е агент в LangChain?
Някои приложения изискват не само предварително определени вериги, но те изискват неизвестна верига, която зависи от въвеждането на потребителя. За такъв случай има „ агент ”, които имат достъп до инструмента и решават кой инструмент е необходим според въведените от потребителя и какво той или тя иска. Наборът от инструменти е основно набор от инструменти, които са необходими за постигане на конкретна цел и има 3-5 инструмента в един набор от инструменти.
Видове агенти на LangChain
Има два основни агента:
- Агенти за действие
- Агенти за планиране и изпълнение
Агенти за действие: Тези агенти решават действия, които да предприемат стъпка по стъпка, оценяват всяка стъпка и след това я изпълняват и преминават към следващата, ако обсъждаме псевдокода на агента, който включва няколко стъпки
- Въвеждането се получава от потребителя.
- Агентът решава инструмента и какъв тип инструмент е необходим.
- Този инструмент се извиква с инструмента за въвеждане и наблюдението се записва.
- Инструментът за история, инструментът за наблюдение и инструментът за въвеждане се предават обратно на агента.
- Повтаряйте процеса, докато агентът реши да напусне този инструмент.
Агенти за планиране и изпълнение: Тези агенти първо решават какво действие да предприемат и след това изпълняват всички тези действия.
- Получава се въвеждане от потребителя.
- Агентът изброява всички стъпки за изпълнение.
- Изпълнителят преминава през списъка със стъпки, като ги изпълнява.
Настройване на агент
Преди да настроите агента, трябва да инсталирате най-новата версия на Python според вашата операционна система.
Стъпка 1: Инсталиране на пакети
Първо, трябва да създадем среда за това, трябва да инсталираме LangChain, google-search-results и openai чрез „ пип ” команда:
! пип Инсталирай Langchain
! пип Инсталирай резултати от търсене в google
! пип Инсталирай openai
Импортиране на необходимите библиотеки:
от langchain.schema import SystemMessageот langchain.agents импортирайте OpenAIFunctionsAgent, AgentExecutor
от инструмента за импортиране на langchain.agents
от langchain.chat_models импортирайте ChatOpenAI
внос повторно
от getpass импортиране getpass
Стъпка 2: Вземете своя Secret API
След като настроите среда, сега трябва да получите секретни API ключове от платформата OpenAI:
llm = ChatOpenAI ( openai_api_key =openai_api_key, температура = 0 )
Стъпка 3: Инструмент за инициализиране
След това нека дефинираме инструмент, който пише прост код на Python, за да получи дължината на низ.
def get_word_string ( дума: ул ) - > int:
'' 'дайте ми дължината на низ.' ''
връщане само ( дума )
инструменти = [ get_word_string ]
Стъпка 4: Създайте шаблон за подкана
След като дефинирате инструмента, настройте шаблон за подкана за това използване на „OpenAIFunctionsAgent.create_prompt()“ помощна функция, която ще създаде шаблона автоматично.
подкана = OpenAIFunctionsAgent.create_prompt ( системно_съобщение =системно_съобщение )
Стъпка 5: Създаване на агент
Сега можем да завършим всички части и да създадем агент, като използваме функция, наречена „OpenAIFunctionsAgent()“ .
Стъпка 6: Настройване на Runtime
Ако сте създали агент успешно, тогава създайте време за изпълнение за агента, за това ”AgentExecutor” се използва като време за изпълнение за агента.
Стъпка 7: Тестване на агент
След като създадете Runtime, сега е време да тествате агента.
Ако сте въвели правилния API ключ в Стъпка 2, ще получите отговор.
Заключение
Тази статия е илюстрирана от много аспекти, първо демонстрира какво е LangChain и как работи, след това преминава към агенти в LangChain и обсъжда предназначението на агентите в LangChain и съдържа информация за двата основни типа агенти „Агенти за действие“ и „Агенти за планиране и изпълнение“ използва се в LangChain и накрая изпълнението на кода е да се установи агент в LangChain