Agenti AI con Hugging Face smolagents
Adel Nehme
VP of AI Curriculum, DataCamp

Per evitarlo, smolagents ti permette di validare le risposte finali!
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
final_answer non rispetta la regola, solleva un'eccezione. Altrimenti, ritorna True.car_advisor = CodeAgent(
tools=[WebSearchTool()],
model=InferenceClientModel(),
final_answer_checks=[check_answer_length],
verbosity_level=0
)
check_answer_length prima di rispondere.
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.
"""
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
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