AI菜鸟向前飞 — LangChain系列之十五 - Agent系列:从现象看机制(中篇)一个Agent的“旅行”

本文主要是介绍AI菜鸟向前飞 — LangChain系列之十五 - Agent系列:从现象看机制(中篇)一个Agent的“旅行”,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

Agent基本架构

    先谈谈Agent基本架构概念,如果看得云里雾里,等看完本篇之后,再回头看就会豁然开朗的,而我尽量写得更易懂: ) 这里面会穿插着上一篇的内容,请大家记得往回翻翻,传送门:

AI菜鸟向前飞 — LangChain系列之十四 - Agent系列:从现象看机制(上篇)

  • AgentAction

    其中,两个重要属性(其实、还有tool_call_id,以后用到再介绍)

    • tool:可理解成“函数名”

    • tool_input:可理解成“函数参数”

    为了好理解,我这样写

func_ret = {"search_article": search_article()}[each.tool].invoke(each.tool_input)

    其实,如果按照更正规的写法应该这样

# 注意,这里我用了observation(“观察”),可参考我的上一篇文章进行回顾
observation = {tool.name: tool for tool in tools}[each.tool].invoke(each.tool_input)
  • AgentFinish

    可以通过这个key:return_values获得结果内容

intermediate_steps = []
while not isinstance(res := agent.invoke({"input": "AI菜鸟向前飞系列文章出自哪里?", "intermediate_steps": intermediate_steps}), AgentFinish):for each in res:observation = {tool.name: tool for tool in tools}[each.tool].invoke(each.tool_input)intermediate_steps.append((each, observation))# 请注意这里:)
print(res.return_values)
  • Intermediate Steps (中间步骤)

    感觉称它为“之前”的步骤,更易懂

    记录之前AgentAction的内容和结果

intermediate_steps.append((each, func_ret.content))

    在下一次调用的时候,一定要带上它

agent.invoke({"input": "AI菜鸟向前飞系列文章出自哪里?", "intermediate_steps": intermediate_steps}
  • AgentInput

    所需要输入的intermediate_steps,上面介绍了👆

  • AgentOutput

    所要采取的下一步行动(Action)或发送给用户的最终响应结果(return_values),即:AgentAction或AgentFinish.

    现在,相信你更懂它了,对吧?

    让我们稍微深入了解它们,官方资料如是说:

next_action = agent.get_action(...)  
while next_action != AgentFinish:  
observation = run(next_action)  
next_action = agent.get_action(..., next_action, observation)  
return next_action

    但是也是浮于表面,例如:什么时候才真正的AgentFinish?Tool与LLM的交互到底是怎样的?先看这张图吧, 让我们通过源码分析吧。

    不会真的看代码吧,那太复杂了,当然不会,请看图吧: )

Agent运行机制

    抽丝剥茧~ 看以下两张图就懂了,不懂可找我: )

  • 图一:(是不是很熟悉,这就是LCEL,同时也是Agent的创建方式)

图片

请参考:

AI菜鸟向前飞 — LangChain系列之六 - 深入浅出LCEL与Chain(上篇)

AI菜鸟向前飞 — LangChain系列之七 - 深入浅出LCEL与Chain(中篇)

AI菜鸟向前飞 — LangChain系列之八 - 深入浅出LCEL与Chain(下篇)

  • 图二:(重点来了,一个Agent的“旅行”)

图片

    看完之后是不是清晰多了,但还不够,例如:

    • tool_calls是如何与Agent执行结果以及和LLM交互之后,可以找到正确的结果的

    • 这里面没提到的ToolCall、ToolMessage 以及它们之间的关系

    • 过程对象,如:ChatResult、LLMResult,它们各是指什么?

    • 还有,各种XXChunks是什么?各代表什么含义?

    • additional_kwargs的用处是什么?

    • …………

    若大家对这方面感兴趣,可持续关注我,有需要我还会“娓娓道来”,再给大家做深入介绍:)

这篇关于AI菜鸟向前飞 — LangChain系列之十五 - Agent系列:从现象看机制(中篇)一个Agent的“旅行”的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!


原文地址:
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.chinasem.cn/article/1012862

相关文章

java中反射(Reflection)机制举例详解

《java中反射(Reflection)机制举例详解》Java中的反射机制是指Java程序在运行期间可以获取到一个对象的全部信息,:本文主要介绍java中反射(Reflection)机制的相关资料... 目录一、什么是反射?二、反射的用途三、获取Class对象四、Class类型的对象使用场景1五、Class

基于Flask框架添加多个AI模型的API并进行交互

《基于Flask框架添加多个AI模型的API并进行交互》:本文主要介绍如何基于Flask框架开发AI模型API管理系统,允许用户添加、删除不同AI模型的API密钥,感兴趣的可以了解下... 目录1. 概述2. 后端代码说明2.1 依赖库导入2.2 应用初始化2.3 API 存储字典2.4 路由函数2.5 应

Spring AI ectorStore的使用流程

《SpringAIectorStore的使用流程》SpringAI中的VectorStore是一种用于存储和检索高维向量数据的数据库或存储解决方案,它在AI应用中发挥着至关重要的作用,本文给大家介... 目录一、VectorStore的基本概念二、VectorStore的核心接口三、VectorStore的

Spring AI集成DeepSeek三步搞定Java智能应用的详细过程

《SpringAI集成DeepSeek三步搞定Java智能应用的详细过程》本文介绍了如何使用SpringAI集成DeepSeek,一个国内顶尖的多模态大模型,SpringAI提供了一套统一的接口,简... 目录DeepSeek 介绍Spring AI 是什么?Spring AI 的主要功能包括1、环境准备2

Spring AI集成DeepSeek实现流式输出的操作方法

《SpringAI集成DeepSeek实现流式输出的操作方法》本文介绍了如何在SpringBoot中使用Sse(Server-SentEvents)技术实现流式输出,后端使用SpringMVC中的S... 目录一、后端代码二、前端代码三、运行项目小天有话说题外话参考资料前面一篇文章我们实现了《Spring

Spring AI与DeepSeek实战一之快速打造智能对话应用

《SpringAI与DeepSeek实战一之快速打造智能对话应用》本文详细介绍了如何通过SpringAI框架集成DeepSeek大模型,实现普通对话和流式对话功能,步骤包括申请API-KEY、项目搭... 目录一、概述二、申请DeepSeek的API-KEY三、项目搭建3.1. 开发环境要求3.2. mav

C#集成DeepSeek模型实现AI私有化的流程步骤(本地部署与API调用教程)

《C#集成DeepSeek模型实现AI私有化的流程步骤(本地部署与API调用教程)》本文主要介绍了C#集成DeepSeek模型实现AI私有化的方法,包括搭建基础环境,如安装Ollama和下载DeepS... 目录前言搭建基础环境1、安装 Ollama2、下载 DeepSeek R1 模型客户端 ChatBo

Nginx之upstream被动式重试机制的实现

《Nginx之upstream被动式重试机制的实现》本文主要介绍了Nginx之upstream被动式重试机制的实现,可以通过proxy_next_upstream来自定义配置,具有一定的参考价值,感兴... 目录默认错误选择定义错误指令配置proxy_next_upstreamproxy_next_upst

Spring AI集成DeepSeek的详细步骤

《SpringAI集成DeepSeek的详细步骤》DeepSeek作为一款卓越的国产AI模型,越来越多的公司考虑在自己的应用中集成,对于Java应用来说,我们可以借助SpringAI集成DeepSe... 目录DeepSeek 介绍Spring AI 是什么?1、环境准备2、构建项目2.1、pom依赖2.2

Deepseek R1模型本地化部署+API接口调用详细教程(释放AI生产力)

《DeepseekR1模型本地化部署+API接口调用详细教程(释放AI生产力)》本文介绍了本地部署DeepSeekR1模型和通过API调用将其集成到VSCode中的过程,作者详细步骤展示了如何下载和... 目录前言一、deepseek R1模型与chatGPT o1系列模型对比二、本地部署步骤1.安装oll