Mengelola Memori Agen

Agen AI dengan Hugging Face smolagents

Adel Nehme

VP of AI Curriculum, DataCamp

Tanpa Status Secara Default

Setiap panggilan .run() adalah awal baru.

Contoh:

career_advisor.run("Keterampilan karier apa yang harus saya tonjolkan?")

Anda harus menonjolkan Python, SQL, visualisasi data, 
dasar-dasar pembelajaran mesin, dan keterampilan komunikasi yang disesuaikan dengan hasil bisnis.

career_advisor.run("Bisakah Anda memformat keterampilan tersebut sebagai poin-poin?")

Maaf, saya tidak yakin keterampilan mana yang Anda maksud. Bisakah Anda memperjelas?

Menyimpan Memori Antara Interaksi

career_advisor.run("Keterampilan karier apa yang harus saya tonjolkan?")

Anda harus menonjolkan Python, SQL, visualisasi data, 
dasar-dasar pembelajaran mesin, dan keterampilan komunikasi yang disesuaikan dengan hasil bisnis.

Lewatkan reset=False:

career_advisor.run("Bisakah Anda memformat keterampilan tersebut sebagai poin-poin?", reset=False)

Tentu! Berikut keterampilan tersebut dalam bentuk poin:
- Python
- SQL
- Visualisasi data
...

Memori Membantu Anda Memperbaiki Kesalahan

Pengguna: Berapa gaji yang diharapkan?

Agen: $80,000

Pengguna: Tunggu, itu sepertinya salah...

Agen: Maaf, saya tidak yakin apa yang Anda maksud

Periksa apa yang terjadi dalam jalannya agen:

Meninjau semua kode yang dihasilkan agen
Melacak penalaran, tindakan, dan penggunaan alatnya
Memperbaiki jawaban yang salah atau logika yang rusak

Kode Apa yang Dijalankan Agen?

Metode .return_full_code() memungkinkan Anda melihat semua kode yang dijalankan.

executed_code = career_advisor.memory.return_full_code()
print(executed_code)

# ...langkah lain dihilangkan untuk ringkasan

salary = 80000  # <- hardcoded?

# skrip berlanjut...

Apa yang Dipikirkan Agen?

conversation_steps = career_advisor.memory.get_succinct_steps()
print(conversation_steps[5])

{
  "step_number": 5,
  "tool_calls": [
    {"function": {"name": "python_interpreter"}},
    {"function": {"name": "web_search"}}
  ],
  "code_action": "import requests\nskills = requests.get('api.jobsearch.com').json()",
  "observations": "resume_agent menemukan 15 keterampilan relevan untuk transisi",
  "token_usage": {"total_tokens": 334},
  ...
}

Simpan Sesi Agen untuk Analisis

import json

def save_agent_memory(agent):
    with open("agent_memory.json", "w") as f:
        json.dump(agent.memory.get_succinct_steps(), f, indent=2, default=str)

# Simpan memori ke file
save_agent_memory(career_advisor)

Log dapat membantu dengan:

Analisis pasca-fakta
Pengujian regresi
Meningkatkan perilaku agen seiring waktu

Memperbaiki Kegagalan Agen: Apa yang Harus Disesuaikan

Masalah memori: Gunakan reset=False atau reset dengan sengaja
Masalah penalaran: Coba model yang lebih kuat
Perilaku tidak konsisten: Perbaiki prompt sistem
Kebingungan alat: Perjelas docstring alat

Ayo berlatih!

Agen AI dengan Hugging Face smolagents