Агенты в LangChain

Проектирование агентных систем с LangChain

Dilini K. Sumanapala, PhD

Founder & AI Engineer, Genverv Ltd.

Знакомство с преподавателем

    Фотография преподавателя курса.

   

  • Dilini K. Sumanapala, PhD

  • AI Engineer

  • Когнитивная нейронаука

  • Приложения обработки естественного языка

  • Основатель, Genverv Ltd.

Проектирование агентных систем с LangChain

Обзор агентов и инструментов

Иконка робота, символизирующего агента

 

  • Агенты

    Автономные системы, принимающие решения и выполняющие действия

  • Инструменты

    Функции, с помощью которых агенты решают конкретные задачи
    • Запросы к данным
    • Аналитические отчёты
    • Анализ данных
Проектирование агентных систем с LangChain

Основные понятия

Голова чатбота

   

  • LLMs (например, ChatGPT)

  • Промпты

  • Инструменты

  • API

  • LangChain

    • Создание ИИ-агентов
Проектирование агентных систем с LangChain

Обзор курса

    Иконки инструментов, Wikipedia и пазл в виде человеческого лица.

   

  • Математические задачи

  • Поиск в Wikipedia

  • Переключение между инструментами и LLM

Проектирование агентных систем с LangChain

Диаграмма мозга и речевого пузыря с запросом и рассуждением.

Проектирование агентных систем с LangChain

Диаграмма мозга, шестерёнок действия и речевого пузыря с запросом, рассуждением, действием и ответом.

Проектирование агентных систем с LangChain

Диаграмма мозга и шестерёнок с речевым пузырём, представляющая компоненты агента ReAct, с подписью ReAct внизу.

Проектирование агентных систем с LangChain

Повышение точности ответов

    Скриншот неверного математического ответа из более раннего диалога с ChatGPT. Правильный ответ «483» добавлен внизу изображения.

   

  • Программирование

  • Математика

1 https://community.openai.com/t/chatgpt-simple-math-calculation-mistake/62780
Проектирование агентных систем с LangChain

Разбиение задач на части

  Диаграмма математических операторов.

 

Порядок выполнения математических операций

1. Скобки

2. Степени

3. Умножение/деление

4. Сложение/вычитание

Проектирование агентных систем с LangChain

Расширение агентов с помощью LangGraph

      Диаграмма обобщённой блок-схемы слева и логотип LangGraph справа.

Проектирование агентных систем с LangChain

Структуры графов

    Диаграмма блок-схемы с тремя иконками документов внизу, представляющими результат «рёбер».

     

Узлы

  • Запрос к базе данных

  • Возврат документа

     

Рёбра

Правила соединения узлов

Проектирование агентных систем с LangChain

Создание 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")
Проектирование агентных систем с LangChain

Создание 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.
Проектирование агентных систем с LangChain

Давайте потренируемся!

Проектирование агентных систем с LangChain

Preparing Video For Download...