赞
踩
到目前为止,我们都可能意识到,通过为LLMs提供额外的工具,我们可以显著增强它们的功能。
例如,即使是ChatGPT在付费版本中也可以直接使用Bing搜索和Python解释器。OpenAI更进一步,为工具使用提供了经过优化的LLM模型,您可以将可用的工具和提示一起传递给API端点。
然后LLM决定是否可以直接提供回答,或者是否应该首先使用任何可用的工具。
请注意,这些工具不仅仅用于获取额外的信息;它们可以是任何东西,甚至可以让LLMs预订晚餐。我之前实施过一个项目,允许LLM通过一组预定义的工具与图数据库进行交互,我称之为语义层。
一个与图数据库交互的代理LLM。图片由作者提供。
本质上,这些工具通过提供动态、实时的信息访问、通过记忆进行个性化以及通过知识图谱对关系进行复杂的理解,来增强像GPT-4这样的LLM。
它们共同使LLM能够提供更准确的推荐,随着时间的推移了解用户的偏好,并获得更广泛的最新信息,从而实现更具互动性和适应性的用户体验。
正如提到的那样,除了在查询时能够检索到额外的信息外,它们还给LLM提供了一种影响他们环境的选择,例如在日历中预订会议。
虽然OpenAI为我们提供了精细调整的模型来进行工具使用,但事实是,大多数其他LLMs在函数调用和工具使用方面都不及OpenAI水平。
我已经尝试了Ollama中大部分可用的模型,大多数都难以始终生成可用于驱动代理的预定义结构化输出。另一方面,有一些模型是针对函数调用进行了优化的。
然而,这些模型采用了一种自定义的提示工程模式来进行函数调用,但这种模式并没有很好地记录,或者它们不能用于除了函数调用之外的任何其他用途。
最终,我决定遵循现有的LangChain实现,使用基于JSON的代理,使用Mixtral 8x7b LLM。我将Mixtral 8x7b用作电影代理,通过语义层与Neo4j进行交互,Neo4j是一种本地图数据库。代码可作为Langchain模板和Jupyter笔记本提供。如果你对工具的实现方式感兴趣,可以查看我之前的博客文章。在这里,我们将讨论如何实现基于JSON的LLM代理。
LangChain文档中的示例(JSON代理,HuggingFace示例)使用的是只有一个字符串输入的工具。由于语义层中的工具使用稍微复杂一些的输入,我不得不深入研究一下。这是一个推荐工具的示例输入。
all_genres = [ "Action", "Adventure", "Animation", "Children", "Comedy", "Crime", "Documentary", "Drama", "Fantasy", "Film-Noir", "Horror", "IMAX", "Musical", "Mystery", "Romance", "Sci-Fi", "Thriller", "War", "Western", ] class RecommenderInput(BaseModel): movie: Optional[str] = Field(description="movie used for recommendation") genre: Optional[str] = Field( description=( "genre used for recommendation. Available options are:" f"{all_genres}" ) )
推荐工具有两个可选输入:电影和类型。此外,我们使用一个可用值的枚举来表示类型参数。
虽然输入并不是非常复杂,但仍比单个字符串输入更先进,因此实现方式必须稍有不同。
在我的实现中,我从LangChain hub中现有的 hwchase17/react-json
提示中获得了很大的灵感。该提示使用以下系统消息。
Answer the following questions as best you can. You have access to the following tools: {tools} The way you use the tools is by specifying a json blob. Specifically, this json should have a `action` key (with the name of the tool to use) and a `action_input` key (with the input to the tool going here). The only values that should be in the "action" field are: {tool_names} The $JSON_BLOB should only contain a SINGLE action, do NOT return a list of multiple actions. Here is an example of a valid $JSON_BLOB: ``` {{ "action": $TOOL_NAME, "action_input": $INPUT }} ``` ALWAYS use the following format: Question: the input question you must answer Thought: you should always think about what to do Action: ``` $JSON_BLOB ``` Observation: the result of the action ... (this Thought/Action/Observation can repeat N times) Thought: I now know the final answer Final Answer: the final answer to the original input question Begin! Reminder to always use the exact characters `Final Answer` when responding.
提示从定义可用工具开始,稍后我们将介绍。提示的最重要部分是指示LLM输出应该是什么样子的。当LLM需要调用一个函数时,应该使用以下JSON结构:
- {{
- "action": $TOOL_NAME,
- "action_input": $INPUT
- }}
这就是为什么它被称为基于JSON的代理:当LLM想要使用任何可用工具时,我们指示它生成一个JSON。然而,这只是输出定义的一部分。完整的输出应该具有以下结构:
- Thought: you should always think about what to do
- Action:
- ```
- $JSON_BLOB
- ```
- Observation: the result of the action
- ... (this Thought/Action/Observation can repeat N times)
- Final Answer: the final answer to the original input question
LLM应该在输出的思考部分解释它正在做什么。当它想要使用任何可用的工具时,应该将动作输入提供为JSON blob。
观察部分保留给工具输出,当代理决定可以向用户返回答案时,应使用最终答案键。以下是使用此结构的电影代理的示例。
在这个例子中,我们要求代理人推荐一部好的喜剧片。由于代理人可用的工具之一是推荐工具,它决定利用推荐工具,通过提供JSON语法来定义其输入。幸运的是,LangChain具有内置的JSON代理输出解析器,所以我们不必担心实现它。接下来,LLM从工具中获得一个响应,并将其作为提示中的观察。
由于工具提供了所有所需的信息,LLM决定它已经有足够的信息来构建最终答案,并将其返回给用户。
我注意到很难促使工程师Mixtral只在需要使用工具时使用JSON语法。在我的实验中,当它不想使用任何工具时,有时会使用以下JSON动作输入。
- {{
- "action": Null,
- "action_input": ""
- }}
LangChain中的输出解析函数不会忽略空或类似的操作,而是返回一个错误,指出未定义空工具。我试图向工程师提供解决这个问题的提示,但无法以一致的方式做到。
因此,我决定添加一个虚拟的闲聊工具,当用户想要闲聊时,代理可以调用它。
response = ( "Create a final answer that says if they " "have any questions about movies or actors" ) class SmalltalkInput(BaseModel): query: Optional[str] = Field(description="user query") class SmalltalkTool(BaseTool): name = "Smalltalk" description = "useful for when user greets you or wants to smalltalk" args_schema: Type[BaseModel] = SmalltalkInput def _run( self, query: Optional[str] = None, run_manager: Optional[CallbackManagerForToolRun] = None, ) -> str: """Use the tool.""" return response
这样,代理可以在用户打招呼时决定使用一个虚拟的Smalltalk工具,我们不再遇到解析空或缺失工具名称的问题。
这个解决方法非常有效,所以我决定保留它。正如提到的,大多数模型没有经过训练来产生行动输入或文本,如果不需要行动,我们必须使用当前可用的内容。
然而,有时候模型在第一次迭代时成功地不调用任何工具,这取决于情况。但是给它一个像smalltalk工具这样的逃逸选项似乎可以防止异常。
如前所述,我必须弄清楚如何定义稍微复杂的工具输入,以便LLM能够正确解释它们。
有趣的是,在实施自定义函数之后,我发现了一个现有的LangChain函数,它将自定义的Pydantic工具输入定义转换为Mixtral可以识别的JSON对象。
- from langchain.tools.render import render_text_description_and_args
-
- tools = [RecommenderTool(), InformationTool(), Smalltalk()]
-
- tool_input = render_text_description_and_args(tools)
- print(tool_input)
生成以下字符串描述:
"Recommender":"useful for when you need to recommend a movie", "args":{ { "movie":{ { "title":"Movie", "description":"movie used for recommendation", "type":"string" } }, "genre":{ { "title":"Genre", "description":"genre used for recommendation. Available options are:['Action', 'Adventure', 'Animation', 'Children', 'Comedy', 'Crime', 'Documentary', 'Drama', 'Fantasy', 'Film-Noir', 'Horror', 'IMAX', 'Musical', 'Mystery', 'Romance', 'Sci-Fi', 'Thriller', 'War', 'Western']", "type":"string" } } } }, "Information":"useful for when you need to answer questions about various actors or movies", "args":{ { "entity":{ { "title":"Entity", "description":"movie or a person mentioned in the question", "type":"string" } }, "entity_type":{ { "title":"Entity Type", "description":"type of the entity. Available options are 'movie' or 'person'", "type":"string" } } } }, "Smalltalk":"useful for when user greets you or wants to smalltalk", "args":{ { "query":{ { "title":"Query", "description":"user query", "type":"string" } } } }
我们可以简单地将这个工具描述复制到系统提示中,Mixtral就能够使用定义好的工具,这非常酷。
JSON-based agent的大部分工作是由Harrison Chase和LangChain团队完成的,我对此表示感谢。我所要做的就是找到拼图的碎片并将它们组合起来。正如前面提到的,不要期望与GPT-4一样的代理性能水平。然而,我认为像Mixtral这样更强大的OSSLLMs可以作为代理使用(比GPT-4需要更多的异常处理)。
我期待更多的开源LLMs被调整得更好作为代理。
代码可作为Langchain模板和Jupyter笔记本提供。
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。