使用CREWAI在多代理系統中構建輸入和輸出

優化基於代理的系統：結構輸入和輸出以提高性能

想提高基於代理的系統的性能嗎？一個關鍵策略是精心構建代理之間交換的輸入和中間輸出。本文詳細介紹瞭如何組織輸入，利用佔位持有人進行數據傳輸，並結構輸出以確保每個代理都能提供預期的結果。通過優化這些元素，您將獲得代理系統的更一致和可靠的結果。代理系統利用多個代理人協作，交流和解決問題的能力超過單個LLM的功能。本指南使用Crewai，Pydantic模型和JSON在多代理上下文中構建輸出（和輸入）。

主要考慮因素

1. 結構良好的輸入和輸出對於基於代理的系統性能至關重要。
2. Pydantic模型提供數據驗證和組織間通信的組織。
3. Crewai促進代理集成，任務執行和輸入/輸出數據管理。
4. 結構化數據可防止數據丟失和不一致，從而促進無縫協作。
5. 使用模型或JSON定義預期輸出可以增強精度和可靠性。
6. 有效的數據管理優化了用於復雜任務的多代理系統。

目錄

• 主要考慮因素
• 利用Pydantic模型
• Pydantic模型示例
• 安裝
• 結構輸入
• 結構輸出
• 結論
• 常見問題

利用Pydantic模型

Pydantic庫提供的Pydantic模型是設計用於數據解析和驗證的Python對象。它們可以創建Python類（模型），該類別在實例化時自動驗證數據，從而確保輸入數據匹配預期類型和約束。這樣可以確保可靠的結構化數據處理。

關鍵功能：

特徵	描述
數據驗證	驗證針對預期類型（例如， int ， str ， list ）和自定義規則的輸入數據。
自動類型轉換	自動將兼容的數據類型轉換為datetime.date （例如，“ 2024-10-27”）。
數據序列化	將數據序列化為JSON等格式，簡化了API交互。
預設值	允許靈活輸入處理的可選字段或默認值。

Pydantic模型示例

讓我們創建一個從Pydantic的BaseModel繼承的UserModel 。實例化類需要一個整數id ，一個字符串name和電子郵件地址。

來自Pydantic Import Basemodel
類Usermodel（basemodel）：
    id：int
    名稱：str
    電子郵件：str

＃有效輸入
有效_user = usermodel（id = 1，name =“ vidhya”，email =“ vidhya@example.com”）
打印（有效_user）

＃無效輸入（提出驗證錯誤）
嘗試：
    invalid_user = usermodel（id =“一個”，name =“ vidhya”，email =“ vidhya@example.com”）
除了e：e：
    打印（f“驗證錯誤：{e}”）

這證明了當提供錯誤的數據類型時，Pydantic的錯誤處理。

讓我們探索可選，日期和默認值功能：

來自Pydantic Import Basemodel
從輸入導入可選
從DateTime導入日期
類EventModel（basemodel）：
    event_name：可選[str] =無＃可選字段
    event_loc：str =“印度”＃默認值
    event_date：日期

＃自動轉換
event = eventmodel（event_date =“ 2024-10-27”）
打印（事件）

這顯示了可選字段和自動類型轉換。

安裝

安裝Crewai：

 PIP安裝CREWAI

結構輸入

在定義代理和任務時，使用變量名稱在捲曲括號{}中格式化。設置human_input=True提示用戶以獲取輸出反饋。以下是回答物理問題的代理和任務的示例：

來自Crewai進口代理，任務，機組人員
導入操作系統
os.environ ['openai_api_key'] =''＃用鑰匙替換
os.environ ['OpenAi_Model_name'] ='GPT-4O-MINI-2024-07-18'＃或您的首選模型

＃...（原始示例中的代理和任務定義）...

輸入通過crew.kickoff()中的inputs參數傳遞。

結構輸出

讓我們創建代理來收集用戶詳細信息（名稱，電子郵件，電話，作業）。將輸出構建為Pydantic模型或JSON定義了預期的輸出格式，以確保後續代理接收結構化數據。

來自Pydantic Import Basemodel
從輸入導入列表

＃...（pydantic模型定義如原始示例中）...

＃...（如原始示例中的代理和任務定義，使用output_pydantic和output_json）...

最終代理結合了所有詳細信息，使用output_file將輸出保存到文件。

結論

本文強調了使用Pydantic和Crewai在多代理系統中結構輸入和輸出的重要性。結構良好的數據可增強性能，可靠性並防止錯誤。這些策略為複雜的任務建立了更強大的代理系統。

常見問題

Q1。什麼是基於代理的系統？基於代理的系統使用多種代理來解決問題，超過了單個LLM的功能。

Q2。什麼是克魯伊？ Crewai是管理代理系統，簡化代理協作和數據處理的框架。

Q3。如何在Crewai中輸入圖像？一種方法是提供圖像URL作為輸入變量。

Q4。什麼是pydantic模型？ Pydantic模型驗證數據并序列化數據，以確保基於代理的系統中的數據完整性。

Q5。如何使用Pydantic構建輸出？定義Pydantic模型中的預期輸出字段，以確保對後續代理的數據格式一致。

以上是使用CREWAI在多代理系統中構建輸入和輸出的詳細內容。更多資訊請關注PHP中文網其他相關文章！