Agenci w LangChain

Projektowanie systemów agentowych z LangChain

Dilini K. Sumanapala, PhD

Founder & AI Engineer, Genverv Ltd.

Poznaj instruktora

    Zdjęcie instruktora kursu.

   

  • Dilini K. Sumanapala, PhD

  • Inżynier AI

  • Neuronauka kognitywna

  • Aplikacje NLP

  • Założycielka, Genverv Ltd.

Projektowanie systemów agentowych z LangChain

Przegląd agentów i narzędzi

Ikona robota reprezentującego agenta

 

  • Agenci

    Autonomiczne systemy podejmujące decyzje i wykonujące działania

  • Narzędzia

    Funkcje używane przez agentów do wykonywania określonych zadań
    • Zapytania do danych
    • Raporty badawcze
    • Analiza danych
Projektowanie systemów agentowych z LangChain

Podstawowe pojęcia

Głowa chatbota

   

  • LLM (np. ChatGPT)

  • Prompty

  • Narzędzia

  • API

  • LangChain

    • Budowanie agentów AI
Projektowanie systemów agentowych z LangChain

Przegląd kursu

    Ikona narzędzi, Wikipedii i układanki przedstawiającej ludzką twarz.

   

  • Zadania matematyczne

  • Wyszukiwanie w Wikipedii

  • Przełączanie między narzędziami a LLM

Projektowanie systemów agentowych z LangChain

Diagram przedstawiający mózg i dymek z zapytaniem i rozumowaniem.

Projektowanie systemów agentowych z LangChain

Diagram przedstawiający mózg, koła zębate akcji oraz dymek z zapytaniem, rozumowaniem, działaniem i odpowiedzią.

Projektowanie systemów agentowych z LangChain

Diagram przedstawiający mózg i koła zębate z dymkiem reprezentującym komponenty agenta ReAct, z etykietą ReAct umieszczoną poniżej.

Projektowanie systemów agentowych z LangChain

Zwiększanie dokładności odpowiedzi

    Zrzut ekranu z błędną odpowiedzią matematyczną z wcześniejszej rozmowy z ChatGPT. Poprawna odpowiedź „483" dodana na dole obrazu.

   

  • Kodowanie

  • Matematyka

1 https://community.openai.com/t/chatgpt-simple-math-calculation-mistake/62780
Projektowanie systemów agentowych z LangChain

Rozkładanie problemów na części

  Diagram operatorów matematycznych.

 

Kolejność działań matematycznych

1. Nawiasy

2. Potęgi

3. Mnożenie/Dzielenie

4. Dodawanie/Odejmowanie

Projektowanie systemów agentowych z LangChain

Rozbudowa agentów za pomocą LangGraph

      Diagram ogólnego schematu blokowego po lewej stronie z logo LangGraph po prawej.

Projektowanie systemów agentowych z LangChain

Struktury grafów

    Diagram schematu blokowego z trzema ikonami dokumentów poniżej, reprezentującymi wyniki „krawędzi".

     

Węzły

  • Zapytanie do bazy danych

  • Zwrócenie dokumentu

     

Krawędzie

Reguły łączące węzły

Projektowanie systemów agentowych z LangChain

Tworzenie agenta ReAct

# Module imports

from langchain_core.tools import tool

from langchain_openai import ChatOpenAI

from langgraph.prebuilt import create_react_agent

import math


# LLM Setup
model = ChatOpenAI(openai_api_key="<OPENAI_API_TOKEN">, model="gpt-4o-mini")
Projektowanie systemów agentowych z LangChain

Tworzenie agenta ReAct

# Create the agent
agent = create_react_agent(model, tools)


# Create a query
query = "What is (2+8) multiplied by 9?"


# Invoke the agent and print the response
response = agent.invoke({"messages": [("human", query)]})


# Print the agent's response
print(response['messages'][-1].content)

<script.py> output:
    The result of (2 + 8) multiplied by 9 is 90.
Projektowanie systemów agentowych z LangChain

Czas na ćwiczenia!

Projektowanie systemów agentowych z LangChain

Preparing Video For Download...