मल्टी-एजेंट सिस्टम्स का परिचय

Hugging Face smolagents के साथ AI Agents

Adel Nehme

VP of AI Curriculum, DataCamp

परिदृश्य: करियर एडवाइज़र एजेंट

रिक्वेस्ट में कई टास्क शामिल हैं:

रिज़्यूमे अपडेट करना
नौकरी खोजना
इंटरव्यू की तैयारी
सैलरी रिसर्च

हर टास्क के लिए अलग टूल और वर्कफ़्लो चाहिए!

मल्टी-एजेंट सिस्टम्स क्यों?

विशेषज्ञ एजेंट्स की टीम का उपयोग करें
हर एजेंट एक टास्क या डोमेन पर केंद्रित रहे
ओवरलोड और कन्फ्यूज़न से बचाता है

एक विशेषीकृत रिज़्यूमे एजेंट

resume_agent = CodeAgent(
    tools=[WebSearchTool(), skill_translator, layout_generator],
    model=InferenceClientModel(),
    instructions="You are an expert in everything related to resumes.",
    name="resume_agent",
    description="Expert in resume writing and skill translation for career transitions"
)

कंपनी रिसर्च विशेषज्ञ

company_agent = CodeAgent(
    tools=[WebSearchTool(), background_compatibility_checker],
    model=InferenceClientModel(),
    instructions="You are an expert in everything related to company research",
    name="company_agent",
    description="Expert in researching companies, culture, and hiring practices for job seekers"
)

इसी पैटर्न से अतिरिक्त विशेषज्ञ एजेंट्स बनाइए.

मैनेजर एजेंट

career_manager = CodeAgent(
    tools=[],
    model=InferenceClientModel(model_id="deepseek-ai/DeepSeek-R1"), # Reasoning model
    instructions="You are an advisory agent to help professionals build stellar careers",
    managed_agents=[resume_agent, company_agent, interview_agent, salary_agent]
)

डिस्क्रिप्शन के आधार पर सही विशेषज्ञों को टास्क सौंपता है.
managed_agents पैरामीटर से चार विशेषज्ञ एजेंट्स को कोऑर्डिनेट करता है.
मज़बूत reasoning और coordination क्षमताओं वाले मॉडलों से फ़ायदा उठाएँ.

मल्टी-एजेंट ऑर्केस्ट्रेशन

result = career_manager.run("I want to switch from marketing to data science. 
Help me update my resume, find companies hiring, prepare for interviews, and understand salaries.")

अभ्यास करते हैं!

Hugging Face smolagents के साथ AI Agents