Agents ใน LangChain

การออกแบบระบบ Agentic ด้วย LangChain

Dilini K. Sumanapala, PhD

Founder & AI Engineer, Genverv Ltd.

แนะนำผู้สอน

    ภาพของผู้สอนในคอร์ส

   

  • Dilini K. Sumanapala, PhD

  • AI Engineer

  • Cognitive Neuroscience

  • Natural Language Applications

  • Founder, Genverv Ltd.

การออกแบบระบบ Agentic ด้วย LangChain

ภาพรวมของ agents และ tools

ไอคอนหุ่นยนต์แทน agent

 

  • Agents

    ระบบอัตโนมัติที่ตัดสินใจและดำเนินการ

  • Tools

    ฟังก์ชันที่ agent ใช้ทำงานเฉพาะด้าน
    • การสืบค้นข้อมูล
    • รายงานการวิจัย
    • การวิเคราะห์ข้อมูล
การออกแบบระบบ Agentic ด้วย LangChain

แนวคิดพื้นฐาน

หัวของ chatbot

   

  • LLMs (เช่น ChatGPT)

  • Prompts

  • Tools

  • API

  • LangChain

    • การสร้าง AI agents
การออกแบบระบบ Agentic ด้วย LangChain

ภาพรวมคอร์ส

    ไอคอนเครื่องมือ Wikipedia และภาพปริศนารูปใบหน้ามนุษย์

   

  • โจทย์คณิตศาสตร์

  • การค้นหาใน Wikipedia

  • การสลับระหว่าง tools และ LLMs

การออกแบบระบบ Agentic ด้วย LangChain

ไดอะแกรมสมองและกล่องข้อความแสดงคำถามและการใช้เหตุผล

การออกแบบระบบ Agentic ด้วย LangChain

ไดอะแกรมสมอง ฟันเฟือง และกล่องข้อความแสดงคำถาม การใช้เหตุผล การกระทำ และการตอบสนอง

การออกแบบระบบ Agentic ด้วย LangChain

ไดอะแกรมสมองและฟันเฟืองพร้อมกล่องข้อความแสดงองค์ประกอบของ ReAct agent โดยมีป้าย ReAct อยู่ด้านล่าง

การออกแบบระบบ Agentic ด้วย LangChain

การเพิ่มความแม่นยำของคำตอบ

    ภาพหน้าจอการตอบโจทย์คณิตศาสตร์ผิดพลาดจาก ChatGPT รุ่นก่อนหน้า โดยมีคำตอบที่ถูกต้องคือ "483" แสดงอยู่ด้านล่าง

   

  • การเขียนโค้ด

  • คณิตศาสตร์

1 https://community.openai.com/t/chatgpt-simple-math-calculation-mistake/62780
การออกแบบระบบ Agentic ด้วย LangChain

การแบ่งโจทย์ออกเป็นส่วนย่อย

  ไดอะแกรมสัญลักษณ์ทางคณิตศาสตร์

 

ลำดับการคำนวณทางคณิตศาสตร์

1. วงเล็บ

2. เลขยกกำลัง

3. การคูณ/การหาร

4. การบวก/การลบ

การออกแบบระบบ Agentic ด้วย LangChain

ขยายขีดความสามารถของ agents ด้วย LangGraph

      ไดอะแกรม flowchart ทั่วไปทางซ้าย และโลโก้ LangGraph ทางขวา

การออกแบบระบบ Agentic ด้วย LangChain

โครงสร้างกราฟ

    ไดอะแกรม flowchart พร้อมไอคอนเอกสารสามแบบด้านล่างแสดงผลลัพธ์ของ "edges"

     

Nodes

  • สืบค้นฐานข้อมูล

  • ส่งคืนเอกสาร

     

Edges

กฎที่เชื่อมต่อ nodes

การออกแบบระบบ Agentic ด้วย LangChain

สร้าง 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")
การออกแบบระบบ Agentic ด้วย LangChain

สร้าง 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.
การออกแบบระบบ Agentic ด้วย LangChain

มาฝึกกันเถอะ!

การออกแบบระบบ Agentic ด้วย LangChain

Preparing Video For Download...