各位老铁们，大家好，今天由我来为大家分享性软件one一个就够了，以及让大模型自动推理工作的相关问题知识，希望对大家有所帮助。如果可以帮助到大家，还望关注收藏下本站，您的支持是我们最大的动力，谢谢大家了哈，下面我们开始吧！
人的专注力只有10分钟，通篇言简意赅，一看就懂！
①什么是Agent？
②他们是如何工作的？
③工具、代理执行器代码实跑
langchain更新太快了，我们整个教程默认统一使用版本0.0.235！
雄哥一直都说，一口吃不成胖子！成功都是一步步走出来的！
总共10篇，每篇都有任务，你只要跟着走！有条件的到星球打卡，你肯定有所获！那些只看不做的，最后也就一晃眼，啥都得不到！
以后你想看想学了，不好意思，一天一个大版本，你已经跟不上了！
第一部分：什么是Agent？
Agent，也就是代理，它的核心就是利用一个语言模型来处理一系列要执行的动作。就像我们的大脑，我们做一件事，例如请强哥去吃饭，那我要想强哥能不能吃辣，喜欢吃哪些菜？去哪里吃？吃多久？等等诸如此类的过程，那现在LLM也能做这件事了！
LangChain的链（第六课，记得吧？）将一系列的动作硬编码在代码中。而在Agent中，语言模型被用作推理引擎，来确定应该执行哪些动作以及以何种顺序执行。
他这就涉及到几个关键组件，接下来我们做逐一介绍：
Agent代理Tool工具Toolkit工具包AgentExecutor代理执行器1.1Agent
Agent由一个语言模型和一个提示词驱动，决定下一步要采取什么措施的类。提示词可以包括以下内容：
代理的个性（用于使其以特定方式回应）代理的背景（用于为其提供更多关于所要执行任务类型的上下文信息）引导策略（用于激发更好的推理能力）LangChain提供了不同类型的代理（先介绍，等下说怎么用）：
#Zero-shotReAct
利用ReAct框架根据工具的描述来决定使用哪个工具，可以使用多个工具，但需要为每个工具提供描述信息。工具的选择单纯依靠工具的描述信息。
#StructuredInputReAct
相较于单一字符串作为输入的代理，该类型的代理可以通过工具的参数schema创建结构化的动作输入。"参数schema"可以看作是一份说明书，告诉代理应该如何接受和理解输入数据。这种说明书定义了输入数据的结构，就像填写表格或问卷一样。"StructuredInputReAct"能够更好地处理组织良好、结构化的输入数据，这有助于更精确地执行任务和操作。这就好比让计算机明白你在做什么，而不只是听一句普通的话。
#OpenAIFunctions
该类型的代理用来与OpenAIFunctionCall（Langchain的语言链）机制配合工作。它可以用来执行各种与语言有关的操作，比如翻译、文本生成、问题回答等等。
#Conversational
这类代理专为对话场景设计，使用具有对话性的提示词，利用ReAct框架选择工具，并利用记忆功能来保存对话历史。它可以让计算机理解你的问题或指令，并用自然的方式回答你，就像在与一个真实的人进行对话一样。
#Selfaskwithsearch
这类代理利用工具查找问题的事实性答案。这个组件对于自动化信息查找和知识获取非常有用，可以用在各种应用中，比如自动化数据收集、自动问答系统、智能助手等等。
#ReActdocumentstore
利用ReAct框架与文档存储进行交互，使用时需要提供Search工具和Lookup工具，分别用于搜索文档和在最近找到的文档中查找术语。
#Plan-and-executeagents
代理规划要做的事情，然后执行子任务来达到目标。
这里我们多次提到“工具”，也就是Tool，接下来我们就介绍什么是Tool。
1.2Tool工具
这是代理可以调用的功能，通常用来与外部世界交互，比如维基百科搜索，资料库访问等。langchain官方有一个很全面的工具包列表，去他官网看看：
https://python.langchain.com/docs/integrations/tools/
1.3Toolkit
通常，在达成特定目标时，需要使用一组工具。LangChain提供了Toolkit工具包的概念，将多个工具组合在一起。
1.4AgentExecutor
代理执行器是代理的运行时。程序运行中，由它来调用代理并执行其选择的动作。
第二部分：他们是怎样工作的？
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。
我们以LangChain内置的工具DuckDuckGoSearchRun为例，来看看如何使用工具。
注，要使用DuckDuckGoSearchRun工具，需要安装以下python包:
pipinstallduckduckgo-search
2.1通过工具类创建工具实例
该类提供了通过DuckDuckGo搜索引擎搜索的功能。
fromlangchain.toolsimportDuckDuckGoSearchRunnsearch=DuckDuckGoSearchRun()nsearch.run("WhoiswinnerofFIFAworldcup2018?")
你应该得到如下输出：
The2018FIFAWorldCupwasthe21stFIFAWorldCup,...MarioZagallo(Brazil)andFranzBeckenbauer(Germany)havealsoachievedthefeat.
注，限于篇幅，这里对模型的回答文本在本讲中做了截取。
2.2通过辅助函数load_tools加载
LangChain提供了函数load_tools基于工具名称加载工具。
先来看看DuckDuckGoSearchRun类的定义吧：
classDuckDuckGoSearchRun(BaseTool):n"""ToolthataddsthecapabilitytoquerytheDuckDuckGosearchAPI."""name="duckduckgo_search"ndescription=(n"AwrapperaroundDuckDuckGoSearch."n"Usefulforwhenyouneedtoanswerquestionsaboutcurrentevents."n"Inputshouldbeasearchquery."n)
发现没有！name变量定义了工具的名称！
这正是我们使用load_tools函数加载工具时所需要的。当然，目前比较棘手的是，load_tools的实现对工具名称做了映射，因此并不是所有工具都如实使用工具类中定义的name。
比如，DuckDuckGoSearchRun的名称是duckduckgo_search，但是load_tools函数需要使用ddg-search来加载该工具。参考源代码load_tools.py了解工具数据初始化的详情。
用法：
fromlangchain.agentsimportload_toolsnnntools=load_tools(['ddg-search'])nsearch=tools[0]nsearch.run("WhoiswinnerofFIFAworldcup2018?")
你应该看到与方法1类似的输出。
最后，分享一个辅助函数get_all_tool_names，用于获取所有工具的名称。
fromlangchain.agentsimportnget_all_tool_namesget_all_tool_names()
当前LangChain版本0.0.235中，我们应该能看到如下列表：
['python_repl',n'requests',n'requests_get',n'requests_post',n'requests_patch',n'requests_put',n'requests_delete',n'terminal',n'sleep',n'wolfram-alpha',n'google-search',n'google-search-results-json',n'searx-search-results-json',n'bing-search',n'metaphor-search',n'ddg-search',n'google-serper',n'google-serper-results-json',n'serpapi',n'twilio',n'searx-search',n'wikipedia',n'arxiv',n'pupmed',n'human',n'awslambda',n'sceneXplain',n'graphql',n'openweathermap-api',n'dataforseo-api-search',n'dataforseo-api-search-json',n'news-api',n'tmdb-api',n'podcast-api',n'pal-math',n'pal-colored-objects',n'llm-math',n'open-meteo-api']
第三部分：工具、代理执行器代码实跑
Agent通常需要Tool配合工作，因此我们将Agent实例放在Tool之后。我们以Zero-shotReAct类型的Agent为例，来看看如何使用。代码如下：
fromlangchain.agentsimportload_toolsnfromlangchain.agentsimportinitialize_agentnfromlangchain.agentsimportAgentTypenfromlangchain.llmsimportOpenAInnnimportosnos.environ['OPENAI_API_KEY']="您的有效openaiapikey"nnnllm=OpenAI(temperature=0)ntools=load_tools(["ddg-search","llm-math"],llm=llm)nagent=initialize_agent(tools,llm,nagent=AgentType.ZERO_SHOT_REACT_DESCRIPTION,verbose=True)nagent.run("WhatistheheightdifferencebetweenEiffelTowerandTaiwan101Tower?")
雄哥这里解释一下代码：
设置环境变量OPENAI_API_KEY并实例化OpenAI语言模型，用于后续的推理。通过load_tools加载DuckDuckGo搜索工具和llm-math工具。通过initialize_agent函数初始化代理执行器，指定代理类型为ZERO_SHOT_REACT_DESCRIPTION，并打开verbose模式，用于输出调试信息。通过run函数运行代理。参考initialize_agent的实现，我们会看到它返回的是AgentExecutor类型的实例
这也是代理执行器的常见用法！请前往源代码initialize.py了解更多初始化代理执行器的详情。
definitialize_agent(ntools:Sequence[BaseTool],nllm:BaseLanguageModel,nagent:Optional[AgentType]=None,ncallback_manager:Optional[BaseCallbackManager]=None,nagent_path:Optional[str]=None,nagent_kwargs:Optional[dict]=None,n*,ntags:Optional[Sequence[str]]=None,n**kwargs:Any,n)->AgentExecutor:n"""LoadanagentexecutorgiventoolsandLLM.
雄哥解释一下代码：
雄哥先初始化一个代理（agent）执行器（AgentExecutor）。函数的参数如下：
-`tools`是一个序列（Sequence），包含了一些基础工具（BaseTool）。
-`llm`是一个基础语言模型（BaseLanguageModel）。
-`agent`是一个可选参数，代表代理类型（AgentType）。
-`callback_manager`也是一个可选参数，代表回调管理器（BaseCallbackManager）。
-`agent_path`是一个可选参数，代表代理路径的字符串。
-`agent_kwargs`是一个可选参数，代表代理的关键字参数的字典。
-`tags`也是一个可选参数，代表标签的序列。
-`**kwargs`是一个特殊的参数，用于接收任意其他未命名的关键字参数。
函数的返回值类型是`AgentExecutor`。
你应该得到如下输出：
>EnteringnewAgentExecutorchain...nIneedtofindouttheheightsofbothtowers.nAction:duckduckgo_searchnActionInput:"EiffelTowerheight"nObservation:Itwasthefirststructureintheworldtosurpassboththe200-metreand300-metremarkinheight.Duetotheadditionofabroadcastingaerialatthetopofthetowerin1957,itisnowtallerthantheChryslerBuildingby5.2metres(17ft).Eiffel'sconceptofa300-metre(984-foot)towerbuiltalmostentirelyofopen-latticewroughtironarousedamazement,skepticism,andnolittleoppositiononaestheticgrounds.Whencompleted,thetowerservedastheentrancegatewaytotheexposition.Builtforthe1889World'sFairinParis,theEiffelTowerisa1,000-foottallwroughtirontower,consideredanarchitecturalwonderandoneoftheworld'smostrecognizablestructures.TheEiffelTowerreachedtheheightof330meters(1,083feet)onMarch15,2022thankstothissuccessfulanddizzyingoperationcarriedoutbyhelicopter.Whichwasafirst!BrowseourresourcesonthelinksbetweentheTowerandradio.DiscoverhowdidradiosavetheTower.AllabouttheTower'sScientificUsesHeightoftheEiffelTower.ThemainstructureoftheisEiffelToweris300meterstall,althoughtheheightincludingantennasis324meters.Thisheightisroughlyequivalenttothatofan81-storeybuilding.Interestingly,theEiffelTowercanshrinkby6inchesduringcoldtemperatures.Thetowerhasasquarebasethatmeasures125meters...nThought:IneedtofindouttheheightofTaiwan101Tower.nAction:duckduckgo_searchnActionInput:"Taiwan101Towerheight"nObservation:DesignedbyC.Y.Lee&Partners,alocalarchitecturalfirm,theskyscraperhas101storiesandreachesaheight,includingthespire,of1,667feet(508metres).AtthetimeofitsofficialopeninginOctober2004,itwastheworld'stallestbuilding,havingsurpassedthePetronasTwinTowersinKualaLumpur,Malaysia.Taipei101isthetallestbuildinginTaiwan.TheelevatorsofTaipei101thattransportpassengersfromthe5thtothe89thfloorin37seconds(attaining60.6km/h...Theheightof101floorscommemoratestherenewaloftime:thenewcenturythatarrivedasthetowerwasbuilt(100+1)andallthenewyearsthatfollow(1January=1-01...Lastupdated:Sep1,2021?3minreadTaipei101,locatedinTaiwan,isoneofthetallesthigh-risebuildingsintheworld.Visitorscanexplorethebuildingthatincludesalargeshoppingmall,world-classrestaurants,andanoutdoorobservationdeck.LearnFromtheBestFoodDesign&StyleArts&EntertainmentMusicBusinessSports&GamingWithaheightof1667feetor508meters,Taipei101hasthedistinctionofbeingthethirdtallestbuildingintheworld,andtallestoutsidetheMiddleEast.Itsspireaddstoitsheight,andthetotalmakesithigherthantheKualaLumpurPetronasTwinTowers.TheTaipei101towerinTaipei,Taiwan,wastheworld'stallestbuildingfrom2004until2010whenitwasbeatenoutbyDubai'simpressiveBurjKhalifa.Regardless,Taipei101isstillconsideredthetallestgreenbuildingintheworldforitsinnovativeandenergy-savingdesign.Eventhe2015-2016NewYear'sEvefirework'sshowwasnature...nThought:Inowknowtheheightsofbothtowers,soIcancalculatethedifference.nAction:CalculatornActionInput:330-508nObservation:Answer:-178nThought:Inowknowthefinalanswer.nFinalAnswer:TheheightdifferencebetweenEiffelTowerandTaiwan101Toweris178meters.nnn>Finishedchain.nnn'TheheightdifferencebetweenEiffelTowerandTaiwan101Toweris178meters.'
今天作业
跟着雄哥上面的代码，跑一个简单的实例，并且截图上来！
这是雄哥的colab地址（跑这里不算完成作业）：
https://colab.research.google.com/drive/1lAqySlOqwc4NCTurYhZivzz6mEJ4_dTZ?usp=sharing
雄哥之前都说过，大模型落地有四种主流方法，LangChain就是其中之一（其他三种看下面）！
【先导篇】0基础大模型实战！开波！"这个老板真傻！吃饭的家伙都公开！
今天我们围绕落地一个LangChain应用为目标，展开一个为期10期的精讲！带大家0基础入门LangChain！
关于性软件one一个就够了，让大模型自动推理工作的介绍到此结束，希望对大家有所帮助。
