Τι είναι ένας πράκτορας στο LangChain;

Το πλαίσιο LangChain χρησιμοποιείται για την ανάπτυξη εφαρμογών που χρησιμοποιούν μοντέλα γλώσσας. Τα LLM δίνουν γενικές απαντήσεις, δεν στοχεύουν κάποιο συγκεκριμένο πεδίο, ενώ το LangChain έχει το πιο ισχυρό χαρακτηριστικό που παρέχει για τη δημιουργία αλυσίδων στις οποίες οι χρήστες μπορούν να συνδυάσουν πολλαπλά στοιχεία μαζί και να δημιουργήσουν μια ενιαία συνεκτική εφαρμογή. Το LangChain διαθέτει πολλές μονάδες, συνδέσεις δεδομένων, αλυσίδες, πράκτορες, μνήμη και επανάκληση.

Σε αυτό το άρθρο, θα συζητήσουμε τους πράκτορες στο LangChain από όλες τις πιθανές πτυχές

Τι είναι ένας πράκτορας στο LangChain;

Ορισμένες εφαρμογές απαιτούν όχι μόνο προκαθορισμένες αλυσίδες, αλλά απαιτούν μια άγνωστη αλυσίδα που εξαρτάται από την είσοδο του χρήστη. Για μια τέτοια περίπτωση, υπάρχει ένα « μέσο ' οι οποίοι έχουν πρόσβαση στο εργαλείο και αποφασίζουν ποιο εργαλείο απαιτείται σύμφωνα με τα στοιχεία του χρήστη και το τι ζητά. Μια εργαλειοθήκη είναι βασικά ένα σύνολο εργαλείων που χρειάζονται για να επιτευχθεί ένας συγκεκριμένος στόχος και υπάρχουν 3-5 εργαλεία σε μια εργαλειοθήκη.

Τύποι πρακτόρων LangChain

Υπάρχουν δύο κύριοι πράκτορες:

Action Agents
Πράκτορες προγραμματισμού και εκτέλεσης

Action Agents: Αυτοί οι πράκτορες αποφασίζουν τις ενέργειες που πρέπει να κάνουν βήμα προς βήμα αξιολογούν κάθε βήμα και στη συνέχεια το εκτελούν και μεταβαίνουν στο επόμενο εάν συζητήσουμε τον ψευδοκώδικα του πράκτορα που περιλαμβάνει μερικά βήματα

Η είσοδος λαμβάνεται από τον χρήστη.
Ο πράκτορας αποφασίζει το εργαλείο και τον τύπο του εργαλείου που απαιτείται.
Αυτό το εργαλείο καλείται με το εργαλείο εισαγωγής και η παρατήρηση καταγράφεται.
Το εργαλείο ιστορικού, το εργαλείο παρατήρησης και το εργαλείο εισαγωγής επιστρέφονται στον πράκτορα.
Επαναλάβετε τη διαδικασία έως ότου ο πράκτορας αποφασίσει να κλείσει αυτό το εργαλείο.

Πράκτορες προγραμματισμού και εκτέλεσης: Αυτοί οι πράκτορες αποφασίζουν πρώτα για μια ενέργεια που πρέπει να κάνουν και στη συνέχεια εκτελούν όλες αυτές τις ενέργειες.

Λήψη εισόδου χρήστη.
Ο πράκτορας παραθέτει όλα τα βήματα που πρέπει να εκτελεστούν.
Ο εκτελεστής περνά από τη λίστα των βημάτων, εκτελώντας τα.

Ρύθμιση πράκτορα

Πριν ρυθμίσετε τον πράκτορα, πρέπει να εγκαταστήσετε την πιο πρόσφατη έκδοση του Πύθων σύμφωνα με το λειτουργικό σας σύστημα.

Βήμα 1: Εγκατάσταση πακέτων
Αρχικά, πρέπει να δημιουργήσουμε ένα περιβάλλον για αυτό, πρέπει να εγκαταστήσουμε το LangChain, τα αποτελέσματα αναζήτησης google και το openai μέσω του ' κουκούτσι ' εντολή:

! κουκούτσι εγκαθιστώ langchain
! κουκούτσι εγκαθιστώ google-αποτελέσματα αναζήτησης
! κουκούτσι εγκαθιστώ openai

Εισαγωγή απαιτούμενων βιβλιοθηκών:

από το langchain.schema εισαγωγή SystemMessage
από το langchain.agents εισάγετε OpenAIFunctionsAgent, AgentExecutor
από το εργαλείο εισαγωγής langchain.agents
από το langchain.chat_models εισαγωγή ChatOpenAI
εισαγωγή ρε
από getpass εισαγωγή getpass

Βήμα 2: Αποκτήστε το Secret API σας
Αφού ρυθμίσετε ένα περιβάλλον, τώρα πρέπει να λάβετε μυστικά κλειδιά API από την πλατφόρμα OpenAI:

openai_api_key = πάσο ( )
llm = ChatOpenAI ( openai_api_key =openai_api_key, θερμοκρασία = 0 )

Βήμα 3: Εργαλείο προετοιμασίας
Στη συνέχεια, ας ορίσουμε ένα εργαλείο, γράφοντας απλό κώδικα Python για να λάβουμε το μήκος μιας συμβολοσειράς.

@ εργαλείο
ορίστε get_word_string ( λέξη: στρ ) - > int:
'' «Δώσε μου το μήκος μιας χορδής». ''
ΕΠΙΣΤΡΟΦΗ μόνο ( λέξη )

εργαλεία = [ get_word_string ]

Βήμα 4: Δημιουργήστε ένα πρότυπο προτροπής
Αφού ορίσετε το εργαλείο, ρυθμίστε ένα πρότυπο προτροπής για αυτό, χρησιμοποιήστε το 'OpenAIFunctionsAgent.create_prompt()' βοηθητική λειτουργία που θα δημιουργήσει αυτόματα το πρότυπο.

system_message = SystemMessage ( περιεχόμενο = «Είσαι πολύ δυνατός βοηθός, αλλά κακός στον υπολογισμό του μήκους της χορδής». )
prompt = OpenAIFunctionsAgent.create_prompt ( system_message =system_message )

Βήμα 5: Δημιουργία παράγοντα
Τώρα μπορούμε να ολοκληρώσουμε όλα τα κομμάτια και να δημιουργήσουμε έναν πράκτορα χρησιμοποιώντας μια συνάρτηση που ονομάζεται 'OpenAIFunctionsAgent()' .

agent = OpenAIFunctionsAgent ( llm =llm, εργαλεία = εργαλεία, προτροπή =προτροπή )

Βήμα 6: Ρύθμιση χρόνου εκτέλεσης
Εάν έχετε δημιουργήσει έναν πράκτορα με επιτυχία, τότε δημιουργήστε έναν χρόνο εκτέλεσης για τον πράκτορα, γιατί αυτό το 'AgentExecutor' χρησιμοποιείται ως χρόνος εκτέλεσης για τον πράκτορα.

agent_executor = AgentExecutor ( μέσο = πράκτορας, εργαλεία = εργαλεία, πολύλογος =Αλήθεια )

Βήμα 7: Δοκιμή πράκτορα
Μετά τη δημιουργία του Runtime, τώρα ήρθε η ώρα να δοκιμάσετε τον πράκτορα.

agent_executor.run ( 'Πόσες λέξεις έχει αυτή η συμβολοσειρά;' )

Εάν έχετε εισαγάγει για να διορθώσετε το κλειδί API στο Βήμα 2, θα λάβετε μια απάντηση.

συμπέρασμα

Αυτό το άρθρο έχει απεικονιστεί από πολλές πτυχές, πρώτα δείχνει τι είναι το LangChain και πώς λειτουργεί, μετά μεταβαίνει σε πράκτορες στο LangChain και συζητά τον σκοπό των πρακτόρων στο LangChain και περιέχει πληροφορίες για τους δύο κύριους τύπους πρακτόρων “Action Agents” και «Πράκτορες προγραμματισμού και εκτέλεσης» χρησιμοποιείται στο LangChain και στο τέλος η εκτέλεση κώδικα ήταν η δημιουργία ενός πράκτορα στο LangChain

Τι είναι ένας πράκτορας στο LangChain;