Агенти в LangChain

Проєктування агентних систем з LangChain

Dilini K. Sumanapala, PhD

Founder & AI Engineer, Genverv Ltd.

Познайомтесь з інструкторкою

    Фото інструктора курсу.

   

  • Діліні К. Суманапала, PhD

  • Інженер ШІ

  • Когнітивна нейронаука

  • Застосунки обробки природної мови

  • Засновниця, Genverv Ltd.

Проєктування агентних систем з LangChain

Огляд агентів та інструментів

Іконка робота, що уособлює агента

 

  • Агенти

    Автономні системи, що ухвалюють рішення й діють

  • Інструменти

    Функції, якими агенти виконують завдання
    • Запит даних
    • Аналітичні звіти
    • Аналіз даних
Проєктування агентних систем з LangChain

Базові поняття

Голова чатбота

   

  • LLM (напр., ChatGPT)

  • Промпти

  • Інструменти

  • API

  • LangChain

    • Створення AI-агентів
Проєктування агентних систем з LangChain

Огляд курсу

    Іконка інструментів, Вікіпедії та пазла з людським обличчям.

   

  • Математичні задачі

  • Пошук у Вікіпедії

  • Перемикання між інструментами та LLM

Проєктування агентних систем з LangChain

Схема мозку та хмаринки з запитом і міркуванням.

Проєктування агентних систем з LangChain

Схема мозку, шестерень дії та хмаринки з запитом і міркуванням, дією та відповіддю.

Проєктування агентних систем з LangChain

Схема мозку і шестерень з хмаринкою, що показує складові агента ReAct, з підписом ReAct знизу.

Проєктування агентних систем з LangChain

Підвищення точності відповідей

    Знімок неточної математичної відповіді зі старішої розмови в ChatGPT. Правильну відповідь «483» додано внизу зображення.

   

  • Кодування

  • Математика

1 https://community.openai.com/t/chatgpt-simple-math-calculation-mistake/62780
Проєктування агентних систем з LangChain

Ділимо задачі на кроки

  Схема математичних операторів.

 

Порядок математичних дій

1. Дужки

2. Степені

3. Множення/Ділення

4. Додавання/Віднімання

Проєктування агентних систем з LangChain

Розширення агентів за допомогою LangGraph

      Схема узагальненого блок-схеми ліворуч і логотип LangGraph праворуч.

Проєктування агентних систем з LangChain

Графові структури

    Схема блок-схеми з трьома різними іконками документів унизу, що представляють результати «ребер».

     

Вузли

  • Запит до бази даних

  • Повернення документа

     

Ребра

Правила, що з'єднують вузли

Проєктування агентних систем з LangChain

Створіть агента 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")
Проєктування агентних систем з LangChain

Створіть агента 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.
Проєктування агентних систем з LangChain

Давайте потренуємось!

Проєктування агентних систем з LangChain

Preparing Video For Download...