langchian入门四:LLM+Agents代理=贾维斯?让大模型拥有三头六臂

什么是Agent

在日常生活中,不难发现,chatgpt通过文本输入进行处理后返回的也是文本内容,就像是一个只有头的人,能听能思考能说话,但是无法行动.而Agent是一种能够自主决策、采取行动以达到某种目标的实体。被解释为"智能体"或者"代理".

代理的核心思想是通过大模型来选择要采取的一系列行动.在常规结构下,一系列行动都是硬编码,是已规定好的行为路线,而在代理中,是用大模型作为推理引擎来确定并采取行动的.通俗的讲就是给大模型配备工具,让大模型自己去判断在当前场景需要使用什么工具.

代理的效果与模型的智慧程度有关,大模型的训练集越大,代理的效果越好,差的模型进行代理会陷入某一个自问自答而死循环,好的模型会进行自我验证,验证这个答案是否与最初的问题相关,不相关进行修正.

举个例子:

链式结构下,我会拿着螺丝刀去拧螺丝,拿着钥匙开锁,拿着斧头砍木头.我不会选择工具,而是按照规划的路线行动.

代理情况下,我有螺丝刀,钥匙,斧头等工具,我遇到了一颗螺丝,我会用螺丝刀去拧螺丝. 遇到了一把锁,我会用钥匙去开锁,遇到了木头,我会用斧头去砍木头.在不同的场景或者问题下会进行推理选择.

总而言之:Agent= LLM（思考决策）+ memory（记忆）+ tools(执行)

langchain中代理的关键组成

Agent代理
llm大模型
Tool工具
prompt提示词
Toolkit工具包
AgentExecutor代理执行器

这里使用的是openai的大模型,想要白嫖阿里云的通义千问大模型,还不会prompt提示词以及记忆组件memory的请移步传送门

传送门:

langchain入门一:python+langchain+通义千问,白嫖qwen大模型实现自己的聊天机器人 - 掘金 (juejin.cn)
langchian入门二:prompts提示词的使用,你的LLM说话怎么这么⑥! - 掘金 (juejin.cn)
langchain入门三:memory-记忆组件,让大语言模型拥有记忆,燕咂,我刚刚说了啥? - 掘金 (juejin.cn)

代理的类型

Zero-shot ReAct:利用工具的描述来决定使用哪个工具，可以有多个工具，每个工具都要提供描述信息。选择单纯依靠描述信息
Structured Input ReAct：通过工具的参数schema创建结构化的动作输入
Open AI Functions:与openai function call机制配合工作
Conversational：为对话场景设计，使用具有对话性提示词，利用ReAct框架选择工具，并利用记忆功能来保存对话历史
Self ask with seach：利用工具查找事实性答案

Tool

代理调用的功能，相当于手的部分，与外部世界交互 ,LangChain 提供了一系列工具，比如 Search 工具，AWS 工具，Wikipedia 工具等。这些工具都是 BaseTool 的子类。通过调用 run 函数，执行工具的功能。

如何创建工具

加载langchain内置的工具

python
复制代码
from langchain.tools import load_tools
tools = load_tools(["serpapi"],llm=llm)#谷歌的搜索引擎

通过tool装饰器,自定义工具,在函数中需要描述这个工具

python
复制代码
from langchain.agents import tool
@tool
def serpapi_search(query:str)->str:
    '''使用serpapi搜索引擎获取搜索结果'''
    from serpapi import GoogleSearch
    params = {
        "q": query,
        "api_key": "serpapi-api-key"
    }
    search = GoogleSearch(params)
    results = search.get_dict()
    return results['organic_results'][0]['snippet']
 tools = [serpapi_search]

Tollkit

工具包，一组工具的集合,tools = [serpapi_search]和tools = load_tools(["serpapi"],llm=llm)都是工具包.

AgentExecutor

代理执行器是代理执行时，由它来选择并执行其他选择的动作。

处理代理选择不存在的工具的情况
处理工具发生错误的情况
处理代理生成无法解析为工具调用的输出的情况
在所有级别上记录和可观察性（代理决策，工具调用）

思考的过程

Action:就是根据用户的输入，选用哪个Tool，然后行动
Action Input:根据需要使用的Tool，从用户的输入里提取相关的内容，可以输入到Tool里面
Observation:就是观察通过使用 Tool 得到的一个输出结果。稳定版本之前有展示,稳定版本之后就没有了,但是步骤仍然存在
Thought:就是再看一眼用户的输入，判断一下该怎么做,同样是稳定版本之前有展示,稳定版本之后就没有了,仍然存在
Final Answer:就是 Thought 在看到 Obersavation 之后，给出的最终输出,

创建一个代理

这里来创建一个react代理,给他配备一个谷歌的搜索引擎,让他能去搜索网络上的内容,但是他对中文不友好,用Translator翻译翻译.还配备了一个运算工具,看看他是否在不同情景下能推理并且选择工具

python
复制代码
# 代理模块，用于调用openai的模型进行对话并执行操作
import os
from dotenv import find_dotenv, load_dotenv
load_dotenv(find_dotenv())
os.environ["OPENAI_API_BASE"] 
os.environ["OPENAI_API_KEY"] 
os.environ["SERPAPI_API_KEY"]
from langchain_openai import ChatOpenAI
#引入集成的工具，包含langchain中内置的各种工具。官方文档中查找
from langchain.agents import create_react_agent,AgentExecutor,tool
#引入hub模块，用于调用hub中的模型
from langchain import hub
#引入工具加载器，用于加载工具
from langchain.tools import load_tools
#引入翻译工具
from translate import Translator
#实例化一个大模型
llm=ChatOpenAI(temperature=0, model="gpt-3.5-turbo")
#从hub中拉取模型
prompt = hub.pull("hwchase17/react")

#创建工具

#搜索引擎
@tool
def serpapi_search(query:str)->str:
    '''使用serpapi搜索引擎获取搜索结果'''#工具描述
    from serpapi import GoogleSearch
    params = {
        "q": query,
        "api_key": os.getenv("SERPAPI_API_KEY")
    }
    search = GoogleSearch(params)
    results = search.get_dict()
    return results['organic_results'][0]['snippet']

#运算工具
@tool
def calculate(expression:str)->str:
    '''计算表达式'''
    return str(eval(expression))


# tools = load_tools(["serpapi"],llm=llm)#加载内置工具
tools=[serpapi_search,calculate]#工具包
#创建agent
agent=create_react_agent(
    llm,
    tools,
    prompt,
)
#代理执行器
agent_executor=AgentExecutor(agent=agent,
                              tools=tools,#工具包
                              verbose=True,#执行的详细过程
                              )
                              
def agent_invoke(huamn_input:str):
    text=agent_executor.invoke({"input":huamn_input})
    res=Translator(from_lang="en",to_lang="zh").translate(text['output'])
    return res

if __name__ == "__main__":
    text=input()
    print(agent_invoke(text))

.env文件内容为:

python
复制代码
# 代理地址
OPENAI_API_BASE = ""
# 代理密钥
OPENAI_API_KEY = ""
#谷歌引擎
SERPAPI_API_KEY=""

搜索一下最近发生的事儿,看看结果:

搜索一下时事再来一个来个简单的计算题根据问题情景,大模型能够进行推理选择工具,关于时事的它能够选择搜索工具进行搜索,关于计算的问题,它能够选择运算工具进行回答,也回答正确了.并且我在问题中没有提示他该选择什么工具.

总结

代理就是让大模型具备了行动的能力,大模型不仅仅局限于进行文本回答,在回答的同时还能进行一系列行动.openai的chatgpt把agent推向了一个新的高度,使得agent更接近于一个’智能体’.通过各种工具将大模型武装起来,或许这个工具,不仅仅是软件也可以是硬件,将大模型与嵌入式结合或许能做成一个能思考能行动的智能机器人,或许在不久的将来,私人AI助理-贾维斯就可以变成现实.