Agenter i LangChain

Designa agentbaserade system med LangChain

Dilini K. Sumanapala, PhD

Founder & AI Engineer, Genverv Ltd.

Din instruktör

    Bild på kursinstruktören.

   

  • Dilini K. Sumanapala, PhD

  • AI Engineer

  • Kognitiv neurovetenskap

  • Naturliga språkapplikationer

  • Grundare, Genverv Ltd.

Designa agentbaserade system med LangChain

Översikt: agenter och verktyg

Ikon av en robot som representerar en agent

 

  • Agenter

    Autonoma system som fattar beslut och vidtar åtgärder

  • Verktyg

    Funktioner som agenter använder för specifika uppgifter
    • Datafrågor
    • Forskningsrapporter
    • Dataanalys
Designa agentbaserade system med LangChain

Grundläggande begrepp

Chattbotens huvud

   

  • LLMs (t.ex. ChatGPT)

  • Promptar

  • Verktyg

  • API

  • LangChain

    • Bygga AI-agenter
Designa agentbaserade system med LangChain

Kursöversikt

    Ikon av verktyg, Wikipedia och ett pussel av ett mänskligt ansikte.

   

  • Matematikproblem

  • Wikipedia-sökning

  • Växla mellan verktyg och LLM:er

Designa agentbaserade system med LangChain

Diagram av en hjärna och en pratbubbla med fråga och resonemang.

Designa agentbaserade system med LangChain

Diagram av en hjärna, kugghjul och en pratbubbla med fråga, resonemang, handling och svar.

Designa agentbaserade system med LangChain

Diagram av en hjärna och kugghjul med en pratbubbla som representerar komponenterna i en ReAct-agent, med etiketten ReAct tillagd nedanför.

Designa agentbaserade system med LangChain

Förbättra svarens noggrannhet

    Skärmdump av ett felaktigt matematiksvar från en tidigare ChatGPT-konversation. Rätt svar "483" är tillagt längst ned i bilden.

   

  • Kodning

  • Matematik

1 https://community.openai.com/t/chatgpt-simple-math-calculation-mistake/62780
Designa agentbaserade system med LangChain

Dela upp problem

  Diagram av matematiska operatorer.

 

Prioriteringsordning i matematik

1. Parenteser

2. Exponenter

3. Multiplikation/division

4. Addition/subtraktion

Designa agentbaserade system med LangChain

Utöka agenter med LangGraph

      Diagram av ett generiskt flödesschema till vänster och LangGraph-logotypen till höger.

Designa agentbaserade system med LangChain

Grafstrukturer

    Diagram av ett flödesschema med tre olika dokumentikoner nedanför som representerar utfallet av "kanter".

     

Noder

  • Fråga databasen

  • Returnera dokumentet

     

Kanter

Regler som kopplar samman noder

Designa agentbaserade system med LangChain

Skapa en ReAct-agent

# 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")
Designa agentbaserade system med LangChain

Skapa en ReAct-agent

# 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.
Designa agentbaserade system med LangChain

Nu kör vi en övning!

Designa agentbaserade system med LangChain

Preparing Video For Download...