एजेंट मेमोरी प्रबंधन
Hugging Face smolagents के साथ AI Agents
Adel Nehme
VP of AI Curriculum, DataCamp
डिफ़ॉल्ट रूप से स्टेटलेस
हर .run() कॉल एक नई शुरुआत होती है।
- उदाहरण:
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?
इंटरैक्शन के बीच मेमोरी बनाए रखें
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.
reset=Falseपास करें:
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
...
मेमोरी डिबग में भी मदद करती है
User: What's the expected salary?
Agent: It's $80,000
User: Wait, that seems wrong...
Agent: Sorry, I'm not sure what you mean
एजेंट की रन में क्या हुआ, जाँचें:
- एजेंट द्वारा जनरेट किया गया सारा कोड रिव्यू करें
- उसकी reasoning, actions, और tool usage ट्रेस करें
- गलत उत्तर या टूटी logic को debug करें
एजेंट ने कौन-सा कोड चलाया?
.return_full_code() मेथड आपको सारा executed कोड दिखाता है।
executed_code = career_advisor.memory.return_full_code()
print(executed_code)
# ...other steps omitted for brevity
salary = 80000 # <- hardcoded?
# script continues...
एजेंट क्या सोच रहा था?
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},
...
}
विश्लेषण के लिए एजेंट सेशन सेव करें
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)
लॉग्स मदद कर सकते हैं:
- Post-hoc analysis
- Regression testing
- समय के साथ एजेंट व्यवहार सुधारना
एजेंट फेल्योर ठीक करें: क्या बदलें
- मेमोरी समस्याएँ:
reset=Falseउपयोग करें या जानबूझकर reset करें - रीज़निंग समस्याएँ: एक stronger मॉडल आज़माएँ
- असंगत व्यवहार: सिस्टम प्रॉम्प्ट बेहतर करें
- टूल कन्फ्यूजन: टूल docstrings स्पष्ट करें
अभ्यास करते हैं!
Hugging Face smolagents के साथ AI Agents
