AI agent简介及实现_ai agent设计器

一. 简介 

直观公式

Agent = LLM+Planning+Feedback+Tool use

Agent决策流程

1.感知（Perception）是指Agent从环境中收集信息并从中提取相关知识的能力。
2.规划（Planning）是指Agent为了某一目标而作出的决策过程。
3.行动（Action）是指基于环境和规划做出的动作。

 Agent通过感知从环境中收集信息并提取相关知识。然后通过规划为了达到某个目标做出决策。最后，通过行动基于环境和规划做出具体的动作。Policy是Agent做出行动的核心决策，而行动又为进一步感知提供了观察的前提和基础，形成了一个自主的闭环学习过程。

为Agent创建一个目标或主任务后，主要分为以下三个步骤：

1. 获取第一个未完成的任务
2. 收集中间结果并储存到向量数据库中
3. 创建新的任务，并重新设置任务列表的优先级

二.实现：通过autogen来实现

1.安装autoagen

pip install openai
pip install pyautogen

2.把配置填写到config_list上

config_list = [{'model': 'gpt-3.5-turbo', 'api_key': '<your OpenAI API key here>'}]

3.创建程序

1.引入并实例化出用户代理对象和助手代理对象

from autogen import AssistantAgent, UserProxyAgent
assistant = AssistantAgent(
    name="Magic",
    llm_config={
        "seed": 42,  # seed for caching and reproducibility
        "config_list": config_list,  # a list of OpenAI API configurations
        "temperature": 0,  # temperature for sampling
    },  # configuration for autogen's enhanced inference API which is compatible with OpenAI API
)
user_proxy = UserProxyAgent(
    name="user_proxy",
    max_consecutive_auto_reply=2,
    is_termination_msg=lambda x: x.get("content", "").rstrip().endswith("TERMINATE"),
    code_execution_config={
        "work_dir": "coding",
        "use_docker": True,  # set to True or image name like "python:3" to use docker
    },
    llm_config={"config_list": config_list}
)

2.使用initiate_chat函数进行推理

user_proxy.initiate_chat(
    assistant,
    message="""告诉我今天的气温"""
    ,clear_history = True
)

3.完整代码

from autogen import AssistantAgent, UserProxyAgent, config_list_from_json
config_list = [{'model': 'gpt-3.5-turbo', 'api_key': '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'}]
assistant = AssistantAgent(
    name="Monika",
    llm_config={
        "seed": 42,  # seed for caching and reproducibility
        "config_list": config_list,  # a list of OpenAI API configurations
        "temperature": 0,  # temperature for sampling
    },  # configuration for autogen's enhanced inference API which is compatible with OpenAI API
)
user_proxy = UserProxyAgent(
    name="user_proxy",
    max_consecutive_auto_reply=2,
    is_termination_msg=lambda x: x.get("content", "").rstrip().endswith("TERMINATE"),
    code_execution_config={
        "work_dir": "coding",
        "use_docker": True,  # set to True or image name like "python:3" to use docker
    },
    llm_config={"config_list": config_list}
)
user_proxy.initiate_chat(
    assistant,
    message="""告诉我今天的气温"""
    ,clear_history = True
)