U ovom ćemo članku raspravljati o agentima u LangChainu sa svih mogućih aspekata
Što je agent u LangChainu?
Neke aplikacije zahtijevaju ne samo unaprijed određene lance, već zahtijevaju i nepoznati lanac koji ovisi o unosu korisnika. Za takav slučaj postoji ' agent ” koji pristupaju alatu i odlučuju koji je alat potreban prema unosu korisnika i onome što on ili ona traži. Skup alata je u osnovi skup alata koji su potrebni za postizanje određenog cilja i postoji 3-5 alata u kompletu alata.
Vrste LangChain agenata
Dva su glavna agenta:
- Akcijski agenti
- Agenti za planiranje i izvršavanje
Agenti akcije: Ovi agenti odlučuju koje radnje poduzeti korak po korak, procjenjuju svaki korak i zatim ga izvršavaju i prelaze na sljedeći ako raspravljamo o pseudo-kodu agenta koji uključuje nekoliko koraka
- Unos se prima od korisnika.
- Agent odlučuje o alatu i vrsti alata koji je potreban.
- Taj se alat poziva s alatom za unos i promatranje se bilježi.
- Alat za povijest, alat za promatranje i alat za unos šalju se natrag agentu.
- Ponavljajte postupak dok agent ne odluči napustiti ovaj alat.
Agenti za planiranje i izvođenje: Ti agenti najprije odlučuju koju radnju poduzeti, a zatim izvršavaju sve te radnje.
- Prima se korisnički unos.
- Agent navodi sve korake koje treba izvršiti.
- Izvršitelj prolazi kroz popis koraka, izvršavajući ih.
Postavljanje agenta
Prije postavljanja agenta morate instalirati najnoviju verziju Piton prema vašem operativnom sustavu.
Korak 1: Instaliranje paketa
Prvo, moramo uspostaviti okruženje za to moramo instalirati LangChain, google-search-results i openai kroz ' pip ” naredba:
! pip instalirati langchain
! pip instalirati google-rezultati-pretrage
! pip instalirati openai
Uvoz potrebnih biblioteka:
iz langchain.schema import SystemMessageiz langchain.agents uvozi OpenAIFunctionsAgent, AgentExecutor
iz alata za uvoz langchain.agenata
iz langchain.chat_models uvesti ChatOpenAI
uvoz re
iz getpass import getpass
Korak 2: Nabavite svoj tajni API
Nakon postavljanja okruženja, sada morate dobiti tajne API ključeve od OpenAI platforme:
llm = ChatOpenAI ( openai_api_key =openai_api_key, temperatura = 0 )
Korak 3: Alat za inicijalizaciju
Zatim definirajmo alat, pisanje jednostavnog Python koda za dobivanje duljine niza.
def get_word_string ( riječ: str ) - > int:
'' 'daj mi duljinu niza.' ''
povratak samo ( riječ )
alati = [ dobiti_niz_riječi ]
Korak 4: Napravite predložak upita
Nakon definiranja alata, postavite predložak upita za ovu upotrebu “OpenAIFunctionsAgent.create_prompt()” pomoćna funkcija koja će automatski stvoriti predložak.
prompt = OpenAIFunctionsAgent.create_prompt ( sustav_poruka =poruka_sustava )
Korak 5: Stvaranje agenta
Sada možemo zaključiti sve dijelove i stvoriti agenta pomoću funkcije pod nazivom “OpenAIFunctionsAgent()” .
Korak 6: Postavljanje vremena izvođenja
Ako ste uspješno kreirali agenta, stvorite vrijeme izvođenja za agenta, za ovo se ”AgentExecutor” koristi kao vrijeme izvođenja za agenta.
Korak 7: Testiranje agenta
Nakon stvaranja Runtimea, sada je vrijeme za testiranje agenta.
Ako ste u 2. koraku umetnuli ispravan API ključ, dobit ćete odgovor.
Zaključak
Ovaj je članak ilustriran s mnogo aspekata, prvo pokazuje što je LangChain i kako funkcionira, zatim prelazi na agente u LangChainu i raspravlja o svrsi agenata u LangChainu te sadrži informacije o dvije glavne vrste agenata “Akcijski agenti” i “Agenti za planiranje i izvođenje” koristi se u LangChainu i na kraju je izvršenje koda bilo uspostavljanje agenta u LangChainu