网络网站租,网站建设公司浩森宇特,网站建设职位要求,做网站应该学什么整理并翻译自DeepLearning.AILangChain的官方课程#xff1a;Agent#xff08;源代码可见#xff09; “人们有时会将LLM看作是知识库#xff0c;因为它被训练所以记住了来自互联网或其他地方的海量信息#xff0c;因而当你向它提问时#xff0c;它可以回答你的问题。有一… 整理并翻译自DeepLearning.AI×LangChain的官方课程Agent源代码可见 “人们有时会将LLM看作是知识库因为它被训练所以记住了来自互联网或其他地方的海量信息因而当你向它提问时它可以回答你的问题。有一个更加有用的认知模式是将LLM看作是一个推理引擎如果提供给他文本块或者额外信息它可以理由从互联网或者其他地方学会的背景知识利用新信息来帮助回答问题或者进行文本推理或者执行下一步动作这正是LangChain的Agent框架能够帮助你完成的。”
笔者注Agent直译代理LLM语境下更偏向于具备一定智能的代理因而更偏向强化学习Agnet的概念因而本文翻译为智能体。
Agent 智能体
LangChain提供的Agent可以使用各种各样的工具例搜索引擎也支持自定义工具这使得你可以访问任何数据存储、API或者自定义函数。本节介绍Agent的一些例子。
初始化一个示例agent可以使用数学计算器、查询维基百科页面等工具 运行一个示例该示例计算一道简单的数学题 AOT模式COT的一种通过执行Action得到结果Observation基于observation生成下一步如何进行的thought。
接下来提问一个信息题询问Tom M. Mitchell来自CMU的教授撰写了哪本书 Agent认为仍需要继续搜索Machine Learning (book) 的原因是上一步搜索Tom M. Mitchell得到了2个页面虽然它能得出Tom M. Mitchell编写了Machine Learning这本书但是它有不确定的信息因而继续搜索本例虽然没有但其他例子有可能agent在处理不确定信息时会进行答案修正以提高正确率。 使用LangChain实现类Copilot 可以通过开启LangChain debug模式观察到更多信息
使用LangChain编写自定义工具
前面都是使用LangChain已经内置的工具下面介绍一个自定义工具的例子 注意函数说明是必要的它指定了函数的使用方式这里要求time函数的输入为空串。
试试提问今天是什么日期 感兴趣的读者可以使用源码的notebook运行一下我的运行结果如下
