Agentes de IA com Hugging Face smolagents
Adel Nehme
VP of AI Curriculum, DataCamp

Para evitar isso, smolagents permite validar respostas finais!
def check_answer_length(final_answer, agent_memory):
# Verifica se a resposta é substancial
if len(final_answer) < 200:
raise Exception("Recomendação de carro muito breve")
return True
final_answer falhar na regra, levanta uma exceção. Caso contrário, retorna True.car_advisor = CodeAgent(
tools=[WebSearchTool()],
model=InferenceClientModel(),
final_answer_checks=[check_answer_length],
verbosity_level=0
)
check_answer_length antes de responder.
validation_prompt = """
Processo de raciocínio: {}
Resposta final do agente: {}
A resposta final segue logicamente
do raciocínio e resolve a questão do usuário?
Responda apenas TRUE ou FALSE.
Nenhum outro texto.
"""
def check_reasoning_accuracy(final_answer, agent_memory):
evaluator_model = InferenceClientModel()
reasoning_steps = agent_memory.get_succinct_steps()
final_prompt = validation_prompt.format(reasoning_steps, final_answer)
message = ChatMessage(role='user', content=final_prompt)
evaluation = evaluator_model([message])
if evaluation.content == "FALSE":
raise Exception("O processo de raciocínio do agente contém erros lógicos")
else:
return True
car_advisor = CodeAgent(
tools=[WebSearchTool()],
model=InferenceClientModel(),
final_answer_checks=[check_answer_length, check_reasoning_accuracy],
verbosity_level=0
)
Mais chances de detectar e corrigir erros antes que o usuário os veja!

Agentes de IA com Hugging Face smolagents