Smolagents dengan memeluk wajah: membina ejen AI dalam bawah 30 baris

Selamat Tahun Baru! Eksplorasi saya terhadap agen AI pada tahun 2025 membawa saya memeluk kerangka smolagents Face. Mari kita menyelam! Kemudahan penggunaannya, integrasi hab, dan keserasian LLM yang luas menjadikannya sesuai untuk aliran kerja agentik. Keupayaan:

• Ejen Kod
• penterjemah python tempatan
• executor kod E2B

Apakah smolagents? Reka bentuk padatnya (sekitar 1,000 baris kod) mengutamakan kemudahan penggunaan tanpa mengorbankan fungsi. Ia cemerlang dalam menyokong "ejen kod," yang menjana dan melaksanakan kod, dan menawarkan keselamatan yang dipertingkatkan melalui persekitaran kotak pasir seperti E2B. Ia juga menyokong toolcallingagents tradisional menggunakan JSON atau tindakan berasaskan teks. Smolagents mengintegrasikan dengan pelbagai LLMs (memeluk API Inference Face, OpenAI, Anthropic, dan lain -lain melalui Litellm) dan repositori alat bersama di hab muka yang memeluk. Mereka mencapai ini dengan mengatur aliran kerja dan menggunakan alat luaran (carian web, pelaksanaan kod, dan lain -lain). LLMS menguasai ejen-ejen ini, mengintegrasikan penggunaan alat untuk maklumat masa nyata. Essentially, they bridge LLMs and the external world, enabling action and decision-making. Agensi wujud pada spektrum, dengan LLM yang mempunyai tahap kawalan yang berbeza -beza atas tindakan sistem. aliran

pemproses mudah process_llm_output (llm_response) ⭐☆☆ path_a () else: path_b () ⭐⭐☆ output llm menentukan pelaksanaan fungsi ⭐⭐⭐ llm output mengawal lelaran dan meneruskan program ejen multi-step Aliran kerja agentik bermula satu lagi multi-agen jika llm_trigger (): execute_agent () src = "https://img.php.cn/upload/article/000/000/000/174166315268283.jpg" alt = "smolagents dengan memeluk muka: membina agen AI di bawah 30 baris"/> Tidak seperti program tradisional dengan aliran kerja yang tegar, ejen menguruskan kerumitan dan ketidakpastian dengan lebih berkesan. Walau bagaimanapun, untuk tingkah laku yang kompleks (panggilan alat, agen pelbagai langkah), smolagen menyediakan struktur penting:

• Panggilan alat: Output ejen mengikuti format tertentu (misalnya, "Pemikiran: Gunakan 'get_weather'. Sistem ini mengarahkan membimbing LLM pada format ini.
• Keupayaan

  ejen kod

  Menggunakan kod (bukan JSON) untuk tindakan alat adalah lebih baik kerana kecekapan, komposiliti, keupayaan pengurusan objek, generalisasi, dan keserasian dengan data latihan LLM. src = "https://img.php.cn/upload/article/000/000/000/174166315389755.jpg" alt = "smolagents dengan memeluk muka: bina ejen di bawah 30 localpythoninterpreter dengan import terkawal, had operasi, dan tindakan yang telah ditetapkan. CodeAgent (tools = [visitWebPageTool ()], model = hfapimodel (), tambahan_Authorized_imports = ["permintaan", "markdownify"], use_e2b_executor = true) agen.run ("

  Demo 1: Ejen Penyelidikan

  ! Pip memasang smolagents dari smolagents import codeagent, duckDuckGoSearchTool, hfapimodel model = litellmmodel (model_, api_key = "your_api_key") agen.run ("Beritahu saya tentang analitik vidhya") 

  

  ! Pip pemasangan smolagents import yFinance sebagai model yf = litellmmodel (model_, api_key = "your_api_key") # menggantikan anda Agent.run ("Ambil harga saham Apple Inc (NASDAQ: AAPL). Gunakan Perpustakaan Yfinance. ") Cetak (Response) 

  Kesimpulan

  smolagents memudahkan pembangunan ejen AI.

Atas ialah kandungan terperinci Smolagents dengan memeluk wajah: membina ejen AI dalam bawah 30 baris. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!