深度解析 REAcT Agent 的实现：利用 LlamaIndex 和 Gemini 提升智能代理工作流

发布日期：2024-11-07 08:07:47 浏览次数： 3389

作者：Halo咯咯

微信搜一搜，关注“Halo咯咯”

.01

概述

在过去的两三年中，人工智能领域经历了令人瞩目的发展，尤其是在大语言模型、扩散模型和多模态技术等方面。其中，我对智能代理工作流产生了浓厚的兴趣。今年初，Coursera 的创始人、深度学习先锋 Andrew Ng 发了一条推特：“智能工作流将推动今年的 AI 巨大发展”。自那时起，智能代理领域的进展令人惊叹，许多人开始构建自主代理和多代理架构。

.02

什么是 REAcT 提示？

REAcT 代表 Reasoning（推理）、Acting（行动）和 Thinking（思考），它是一种提示技术，使大语言模型（LLMs）能够将复杂任务分解为一系列思考过程、行动和观察。

REAcT 提示的过程简单明了，主要包括以下三个步骤：

思考：根据用户查询，代理生成关于如何解决问题的思路。
行动：代理根据其思考执行某些操作，利用可用的工具或 API，例如谷歌搜索、文件加载等。
观察：代理分析其行动结果，并决定是否继续该过程或提供最终答案。

这个过程会循环进行，直到获得令人满意的结果或达到最大迭代次数。

REAcT 提示的示例

让我们看一个典型的 REAcT 提示结构：

思考：关于任务的推理。
行动：要执行的动作，例如“搜索”。
行动输入：执行该动作的输入，例如搜索查询。
观察：该动作的结果。
思考：基于观察的进一步推理。
最终答案：代理的结论。

实时示例

假设用户查询：“最近的印度与英格兰测试系列赛的最佳球员是谁，他们的关键表现如何？”

输出（使用 crewAI 生成）：

思考：为了准确回答这个查询，我需要找到关于最近的印度与英格兰测试系列赛的信息，确定最佳球员，并收集他们的表现细节。我将开始搜索系列赛的结果。
行动：搜索
行动输入：“2024 年印度与英格兰测试系列赛结果”
观察：最近的印度与英格兰测试系列赛以印度 4-1 获胜告终，该系列赛于 2024 年 1 月至 3 月在印度进行。

通过不断的思考、行动和观察，代理最终得出了答案：Yashasvi Jaiswal 被评选为最佳球员，并列出了他的关键表现。

REAcT 提示在构建代理中的价值

传统上，从 LLM 中获取结果的方式是编写结构良好的提示。然而，需要注意的是，LLMs 本身并不具备推理能力。虽然多种方法试图使 LLMs 能够推理和计划，但许多方法未能取得成功。REAcT 的出现，在一定程度上成功地设计了比以往更合乎逻辑的研究计划。

REAcT 通过将复杂任务分解为一系列思考、行动和观察，使代理能够以之前难以实现的透明度和适应性处理复杂问题。这种方法使开发者更容易理解代理的决策过程，从而进行调试、优化和改进。

此外，REAcT 提示的迭代特性使代理能够处理不确定性。随着代理在多个思考、行动和观察周期中的进展，它可以根据新信息调整其方法，类似于人类在面对复杂任务时的应对方式。

.03

REAcT 代理的关键应用与案例

接下来，我们将探索 REAcT 代理的多种应用和实际案例，突显其在各个领域提升推理、决策和适应能力的潜力。

实时体育分析与预测

REAcT 代理可以利用互联网上大量信息提供体育行业的分析和预测。例如，在 IPL 比赛中，代理可以：

分析球员表现趋势。
预测最佳击球顺序或投球调整。
根据击球手的击球区域建议场上布阵。

自动化客户支持

客户支持需要提供有效反馈的技能。REAcT 代理非常适合在 LLM 或代理需要提供智能反馈时使用，帮助：

理解复杂的客户查询。
获取相关产品信息和故障排除指南。
逐步引导客户解决问题。

个性化学生学习

教育领域也是 REAcT 代理可能产生巨大影响的领域。想象一个个性化的 AI 辅导员，它可以：

评估学生当前的知识水平。
将复杂主题分解为可管理的小块。
根据学生的反馈调整教学风格。
提供实时反馈并建议额外资源。

.04

使用 LlamaIndex 实现 REAcT 代理

现在，我们进入实现 REAcT 代理的激动人心的部分。实际上，使用 LlamaIndex 实现起来相当简单，只需几行代码。

安装和设置

在进行代码实现之前，我们需要安装一些必要的库，包括 LlamaIndex。LlamaIndex 是一个有效连接大语言模型与数据的框架。我们将使用 DuckDuckGo 搜索作为我们的动作工具，并将 Gemini 作为集成的 LLM。

!pip install llama-index
!pip install duckduckgo-search
!pip install llama-index-llms-gemini

导入必要组件

我们首先需要导入必要的组件。REAcT 代理需要与外部工具交互以获取数据，这可以通过 LlamaIndex 核心工具中的 Function Tool 实现。逻辑很简单：每当代理需要访问真实数据时，它会触发一个 Python 函数来检索所需信息。

python

from llama_index.core.tools import FunctionTool
from duckduckgo_search import DDGS
from llama_index.llms.gemini import Gemini

定义 Gemini LLM

在 LlamaIndex 中，OpenAI 是默认的 LLM。为了覆盖 Gemini，我们需要在设置中初始化它。您可以在 Google AI Studio 获取 API 密钥。

from llama_index.core import Settings
import os

GOOGLE_API_KEY = "" # 在这里添加您的 API 密钥
os.environ["GOOGLE_API_KEY"] = GOOGLE_API_KEY

llm = Gemini()
Settings.llm = llm

创建 REAcT 代理的动作工具

接下来，我们定义搜索工具 DuckDuckGo 搜索。需要记住的一个重要细节是，在定义用于执行操作的 FunctionTool 时，需要指定输入参数的数据类型。例如，search(query: str) -> str 确保查询参数是字符串。由于 DuckDuckGo 返回的搜索结果包含附加元数据，我们将提取结果的主体内容以简化响应。

def search(query:str) -> str:
    """
    Args:
        query: 用户提示
    return:
        context (str): 用户查询的搜索结果
    """
    req = DDGS()
    response = req.text(query, max_results=4)
    context = ""
    for result in response:
        context += result['body']
    return context

search_tool = FunctionTool.from_defaults(fn=search)

编写 LlamaIndex 的 REAcT 代理

随着代理的主要组件已设置完毕，我们现在可以定义 REAcT 代理。我们可以直接使用 LlamaIndex 核心中的 ReAct Agent。此外，我们设置 verbose=True 以了解幕后发生的事情，设置 allow_parallel_tool_calls=True 允许代理在适当情况下做出决策而无需总是依赖外部操作。

from llama_index.core.agent import ReActAgent

agent = ReActAgent.from_tools(
    [search_tool], 
    llm=llm, 
    verbose=True,
    allow_parallel_tool_calls=True
)

这样，我们就创建了 REAcT 代理。现在可以使用它来回答查询，通过运行 agent.chat 方法。

template = """
你是一位专业的体育分析记者。
分析 Virat Kohli 在 2024 年 IPL 的表现趋势，并提供他的优缺点。
还需提供 Virat Kohli 在 IPL 2024 的总得分。
我还需要他在同一赛季的最高分。
"""

response = agent.chat(template) 
print(response)

输出

最终，我们得到了 REAcT 代理的响应。通过这样的实现，代理能够有效地回答实时用户查询。