LangChain实现自主代理（Autonomous Agents）_马超 agent

Here’s the table of contents:

LangChain实现自主代理（Autonomous Agents）

简介

  自主代理（Autonomous Agents）是由人工智能驱动的程序，当给定目标时，它们能够为自己创建任务，完成任务，创建新任务，重新确定任务列表的优先级，完成新的顶级任务，循环（递归的思想）直到达到目标。

  可以给自主代理（Autonomous Agents）一个任务，比如发一个关于自主代理（Autonomous Agents）研究最新进展的邮件。他会先去理解分解这个任务目标，然后设定实施计划以及这几个计划的优先级，同时去辩证『冷静』的反思计划有没有漏洞，并将反思应用到执行过程中，然后就是自己不断的去换着关键词搜索总结最近的报道文章，然后是汇总、反思，看看有没有什么遗漏，最后组织成适合邮件的语言格式自动发送。

核心技术

1. LLMs（大语言模型）：LLMs是最核心的能力，无论推理还是问答以及后续的Prompt工程，都强依赖于LLM的能力。

2. Memory（上下文记忆）：缓存任务的中间状态、保存会话的上下文信息，用于后续任务的处理。

3. Prompt Engineering（提示工程）：提供给LLMs使用的提示信息。

4. Tools（工具箱）：自主代理（Autonomous Agents）用来处理子任务的插件。

5. 递归的思想：使自主代理（Autonomous Agents）完全自主的核心设计思想。
   

让 AI 使用工具的案例

  下面是基于LangChain实现的AutoGPT类程序，可以让智能代理程序完成使用搜索引擎和本地知识库等工具的功能。

使用搜索引擎

  下面的案例展示了一个自主代理（Autonomous Agents）使用 GPT3.5 和工具箱（Tools）解决问题的运行过程。在这个案例中定义的可以使用的工具为数学计算工具（llm-math）和Google搜索工具（serpapi），Agents拿到问题后拆分为下面四个子任务：
   1. 找到经理名称，Action Input: “易方达基金总经理”。
   2. 找到经理年龄，Action Input: “易方达基金总经理刘晓艳 年龄”。
   3. 年龄运行数学计算，Action Input: 42^0.76。
   4. 整合各个子任务结果信息并生成答案。
前三个子任务逐个解决后，最后一个任务负责将答案进行整合输出一个完整的回复。

QA：易方达基金的总经理是谁？他今年的年龄是多少？他年龄的0.76次方是多少？

AGENTS：
Entering new AgentExecutor chain…
I need to find out the name of the manager and his age
Action: Search
Action Input: “易方达基金总经理”
Observation: 易方达基金总经理刘晓艳：以专业精神与投资者长期长情常相伴- 媒体报道- 易方达基金管理有限公司
Thought: I need to find out the age of the manager

Action: Search
Action Input: “易方达基金总经理刘晓艳 年龄”
Observation: 用总裁助理兼市场部总经理刘晓艳(女)的话说：她是一个很公正、很铁面无私的人，很适合做督察长的职务。 张南的台面上摆着三个电脑显示器，据她介绍， …
Thought: I need to calculate the age to the 0.76 power

Action: Calculator
Action Input: 42^0.76
Observation: Answer: 17.126533197047873
Thought: I now know the final answer

Final Answer: 易方达基金总经理刘晓艳今年42岁，他年龄的0.76次方是17.126533197047873。

Finished chain.

备注：需要注意的是上面的回答，易方达基金总经理刘晓艳的年龄得到的结果是错误的【这种问题也可以结合本地知识库来优化】。

使用知识库

  下面的案例展示了一个自主代理（Autonomous Agents）使用 GPT3.5 和工具箱（Tools）解决问题的运行过程。在这个案例中定义的可以使用的工具为知识图谱查询工具（cypher_search），Agents拿到问题后拆分为下面三个子任务：
   1. 生成知识图谱查询代码Cypher。
   2. 从知识图谱获取相关信息。
   3. 整合结果信息并生成答案。

QA：嘉实物流产业基金，定位属于哪类基金？

Entering new AgentExecutor chain…
{
“action”: “Cypher search”,
“action_input”: “嘉实物流产业基金属于哪类基金？”
}

Entering new LLMCypherGraphChain chain…
Generated Cypher statement:
MATCH p0=(n2:投资类型)<-[r1:投资类型]-(n0:基金产品)-[r0:基金中文简称]->(n1:基金中文简称)-[r2:别名]->(n3:基金中文简称别名)
WHERE n3.value=‘嘉实物流产业基金’ RETURN n2.value AS value;

Finished chain.

Observation: 投资类型：股票型
Thought:{
“action”: “Final Answer”,
“action_input”: “嘉实物流产业基金投资类型属于股票型。”
}

Final Answer: 嘉实物流产业基金投资类型属于股票型。

Finished chain.