Správa paměti agenta

AI Agents with Hugging Face smolagents

Adel Nehme

VP of AI Curriculum, DataCamp

Bezstavový režim jako výchozí

Každé volání .run() začíná od nuly.

Příklad:

career_advisor.run("What career skills should I highlight?")

You should highlight Python, SQL, data visualization, 
machine learning fundamentals, and communication skills tailored to business outcomes.

career_advisor.run("Can you format those skills as bullet points?")

Sorry, I'm not sure which skills you're referring to. Could you clarify?

Uchování paměti mezi interakcemi

career_advisor.run("What career skills should I highlight?")

You should highlight Python, SQL, data visualization, 
machine learning fundamentals, and communication skills tailored to business outcomes.

Předejte reset=False:

career_advisor.run("Can you format those skills as bullet points?", reset=False)

Sure! Here are the skills as bullet points:
- Python
- SQL
- Data visualization
...

Paměť pomáhá i při ladění

Uživatel: Jaký je očekávaný plat?

Agent: Je to 80 000 $

Uživatel: Počkejte, to se zdá špatně...

Agent: Omlouvám se, nejsem si jistý, co tím myslíte

Prozkoumejte, co se stalo v průběhu běhu agenta:

Kontrola veškerého kódu, který agent vygeneroval
Sledování uvažování, akcí a využití nástrojů
Ladění nesprávných odpovědí nebo chybné logiky

Jaký kód agent spustil?

Metoda .return_full_code() zobrazí veškerý spuštěný kód.

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

# ...other steps omitted for brevity

salary = 80000  # <- hardcoded?

# script continues...

Co agent přemýšlel?

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 found 15 relevant skills for transition",
  "token_usage": {"total_tokens": 334},
  ...
}

Ukládání relací agenta pro analýzu

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)

# Save memory to a file
save_agent_memory(career_advisor)

Logy jsou užitečné pro:

Zpětnou analýzu
Regresní testování
Postupné zlepšování chování agenta

Oprava selhání agenta: Co upravit

Problémy s pamětí: Použijte reset=False nebo resetujte záměrně
Chyby v uvažování: Zkuste silnější model
Nekonzistentní chování: Vylepšete systémový prompt
Záměna nástrojů: Upřesněte docstringy nástrojů

Lass uns üben!

AI Agents with Hugging Face smolagents