การทำงานกับ Multi-Step Agents

AI Agents ด้วย Hugging Face smolagents

Adel Nehme

VP of AI Curriculum, DataCamp

ตัวอย่าง: ผู้ช่วยวางแผนการเดินทาง

Planning Intervals: ช่วยให้ Agent คิดทบทวน

agent = CodeAgent(
    tools=[document_search_tool],
    model=model,
    planning_interval=3,
    max_steps=12
)

planning_interval=3: Agent หยุดพักทุก 3 ขั้นตอน

การรัน Agent พร้อม Planning Intervals

"วางแผนทริปครอบครัว 2 สัปดาห์ที่ยุโรป มีสถานที่ทางประวัติศาสตร์สำหรับผู้ใหญ่และกิจกรรมสนุกสำหรับเด็ก งบไม่เกิน $5000"

[Step 1] ค้นหา "Paris hotels" -> พบโรงแรมระดับหรู (~$4000 รวม)

[Step 2] ค้นหา "Paris attractions for families" -> พบ Eiffel Tower, Louvre, ตั๋วสวนสนุก

[Step 3] หยุดพักและคิดทบทวน (planning interval) โรงแรมแพงเกินไป -> งบเกิน ควรหาตัวเลือกที่ถูกกว่า + กิจกรรมสำหรับเด็ก

[Step 4] ค้นหา "affordable family hotels in Europe" -> พบตัวเลือกระดับกลางในหลายเมือง

Callbacks: การเชื่อมต่อเข้ากับกระบวนการของ Agent

ฟังก์ชัน Callback เบื้องต้น

def callback_function(agent_step, agent):
    # Do something with the agent step or the agent itself
    pass

agent_step: รายละเอียดของขั้นตอน (แผน, หมายเลขขั้นตอน ฯลฯ)
agent: อ็อบเจกต์ agent ทั้งหมด (state + methods)

Planning Step Callbacks

def planning_callback(agent_step, agent):
    print("AGENT PLANNING")
    print("=" * 50)
    print(agent_step.plan[:300])
    if len(agent_step.plan) > 300:
        print("\n... (plan truncated)")
    print("=" * 50)

AGENT PLANNING
==================================================
Search affordable hotels + kid activities
Then create balanced itinerary...
... (plan truncated)
==================================================

Action Step Callbacks

def action_callback(agent_step, agent):
    step_num = agent_step.step_number
    print(f"Step {step_num}: Taking action")

    if agent_step.is_final_answer:
        total_tokens = agent_step.token_usage.total_tokens
        print(f"Total tokens used: {total_tokens}")

Step 2: Taking action!
Step 3: Taking action!
Step 4: Taking action!
Total tokens used: 4,218

การเพิ่ม Callbacks ให้กับ Agents

from smolagents import ActionStep, PlanningStep

agent = CodeAgent(
    tools=[document_search_tool],
    model=model,
    step_callbacks={PlanningStep: planning_callback, ActionStep: action_callback}
)

Callbacks ทำอะไรได้บ้าง?

บันทึกการค้นหาเพื่อวิเคราะห์ว่าผู้ใช้ต้องการอะไรมากที่สุด
เพิ่มจุดตรวจสอบโดยมนุษย์ก่อนดำเนินการต่อ
ส่งการอัปเดตความคืบหน้าไปยัง dashboard หรือแอป
ปรับพฤติกรรมของ Agent ระหว่างการรันตามประสิทธิภาพ
และอื่น ๆ อีกมาก...

มาฝึกกันเถอะ!

AI Agents ด้วย Hugging Face smolagents