Validazione Risposta Finale Agente

Agenti AI con Hugging Face smolagents

Adel Nehme

VP of AI Curriculum, DataCamp

Perché la Validazione è Importante

  • La risposta dell'agente non era utile
  • Esperienza cliente persa

Per evitarlo, smolagents ti permette di validare le risposte finali!

Agenti AI con Hugging Face smolagents

Validare le Risposte dell'Agente

def check_answer_length(final_answer, agent_memory):
    # Controlla se la risposta è abbastanza sostanziale
    if len(final_answer) < 200:
        raise Exception("La raccomandazione auto è troppo breve")
    return True
  • Se final_answer non rispetta la regola, solleva un'eccezione. Altrimenti, ritorna True.
Agenti AI con Hugging Face smolagents

Usare la Validazione dell'Uscita nel Tuo Agente

car_advisor = CodeAgent(
    tools=[WebSearchTool()],
    model=InferenceClientModel(),
    final_answer_checks=[check_answer_length],
    verbosity_level=0
)
  • Esegui la validazione check_answer_length prima di rispondere.
  • Riprova automaticamente in base al messaggio di eccezione definito nella funzione.
Agenti AI con Hugging Face smolagents

Meta-Valutazione: Usare l'AI per Validare l'AI

validation_prompt = """
Reasoning process: {}

Agent's final answer: {}

Does the final answer logically follow
from the reasoning and solve the user's 
question? 

Respond only TRUE or FALSE. 
No other text.
"""
Agenti AI con Hugging Face smolagents

Validare il Ragionamento con un Meta-Valutatore

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("Il processo di ragionamento dell'agente contiene errori logici")
    else:
        return True
Agenti AI con Hugging Face smolagents

Combinare Più Validazioni

car_advisor = CodeAgent(
    tools=[WebSearchTool()],
    model=InferenceClientModel(),
    final_answer_checks=[check_answer_length, check_reasoning_accuracy],
    verbosity_level=0
)

Più probabile individuare e correggere errori prima che l'utente li veda!

Agenti AI con Hugging Face smolagents

Progettare Sistemi Intelligenti

Agenti AI con Hugging Face smolagents

Ayo berlatih!

Agenti AI con Hugging Face smolagents

Preparing Video For Download...