Gestionarea memoriei agentului

Agenți AI cu Hugging Face smolagents

Adel Nehme

VP of AI Curriculum, DataCamp

Fără stare în mod implicit

Fiecare apel .run() pornește de la zero.

Exemplu:

career_advisor.run("What career skills should I highlight?")

You should highlight Python, SQL, data visualization, 
machine learning fundamentals, and communication skills tailored to business outcomes.

career_advisor.run("Can you format those skills as bullet points?")

Sorry, I'm not sure which skills you're referring to. Could you clarify?

Păstrarea memoriei între interacțiuni

career_advisor.run("What career skills should I highlight?")

You should highlight Python, SQL, data visualization, 
machine learning fundamentals, and communication skills tailored to business outcomes.

Transmiteți reset=False:

career_advisor.run("Can you format those skills as bullet points?", reset=False)

Sure! Here are the skills as bullet points:
- Python
- SQL
- Data visualization
...

Memoria ajută și la depanare

Utilizator: Care este salariul estimat?

Agent: Este 80.000 $

Utilizator: Stai, asta pare greșit...

Agent: Îmi pare rău, nu înțeleg la ce vă referiți

Inspectați ce s-a întâmplat în rularea agentului:

Revizuirea întregului cod generat de agent
Urmărirea raționamentului, acțiunilor și instrumentelor utilizate
Depanarea răspunsurilor incorecte sau a logicii defectuoase

Ce cod a rulat agentul?

Metoda .return_full_code() afișează tot codul executat.

executed_code = career_advisor.memory.return_full_code()
print(executed_code)

# ...other steps omitted for brevity

salary = 80000  # <- hardcoded?

# script continues...

Ce gândea agentul?

conversation_steps = career_advisor.memory.get_succinct_steps()
print(conversation_steps[5])

{
  "step_number": 5,
  "tool_calls": [
    {"function": {"name": "python_interpreter"}},
    {"function": {"name": "web_search"}}
  ],
  "code_action": "import requests\nskills = requests.get('api.jobsearch.com').json()",
  "observations": "resume_agent found 15 relevant skills for transition",
  "token_usage": {"total_tokens": 334},
  ...
}

Salvarea sesiunilor agentului pentru analiză

import json

def save_agent_memory(agent):
    with open("agent_memory.json", "w") as f:
        json.dump(agent.memory.get_succinct_steps(), f, indent=2, default=str)

# Save memory to a file
save_agent_memory(career_advisor)

Jurnalele sunt utile pentru:

Analiza post-execuție
Testare de regresie
Îmbunătățirea comportamentului agentului

Corectarea erorilor agentului: ce să ajustați

Probleme de memorie: Folosiți reset=False sau resetați intenționat
Probleme de raționament: Încercați un model mai performant
Comportament inconsistent: Îmbunătățiți promptul de sistem
Confuzie cu instrumentele: Clarificați docstring-urile instrumentelor

Să exersăm!

Agenți AI cu Hugging Face smolagents