Skip to content

Latest commit

 

History

History
68 lines (36 loc) · 6.21 KB

AGENT_it-IT.md

File metadata and controls

68 lines (36 loc) · 6.21 KB

Agente basato su LLM (ReAct)

Cos'è l'Agente (ReAct)?

Un Agente è un sistema di intelligenza artificiale avanzato che utilizza i modelli di linguaggio di grandi dimensioni (LLM) come motore computazionale centrale. Combina le capacità di ragionamento degli LLM con funzionalità aggiuntive come pianificazione e utilizzo di strumenti per eseguire autonomamente compiti complessi. Gli Agenti possono scomporre query complicate, generare soluzioni passo dopo passo e interagire con strumenti o API esterne per raccogliere informazioni o eseguire sottoattività.

Questo esempio implementa un Agente utilizzando l'approccio ReAct (Reasoning + Acting). ReAct consente all'agente di risolvere compiti complessi combinando ragionamento e azioni in un ciclo di feedback iterativo. L'agente passa ripetutamente attraverso tre fasi chiave: Pensiero, Azione e Osservazione. Analizza la situazione corrente utilizzando l'LLM, decide l'azione successiva da intraprendere, esegue l'azione utilizzando strumenti o API disponibili e apprende dai risultati osservati. Questo processo continuo permette all'agente di adattarsi a ambienti dinamici, migliorare la precisione nella risoluzione dei compiti e fornire soluzioni contestualmente consapevoli.

Caso d'Uso Esemplificativo

Un Agente che utilizza ReAct può essere applicato in vari scenari, fornendo soluzioni accurate ed efficienti.

Testo-a-SQL

Un utente chiede "il totale delle vendite dell'ultimo trimestre". L'Agente interpreta questa richiesta, la converte in una query SQL, la esegue sul database e presenta i risultati.

Previsioni Finanziarie

Un analista finanziario necessita di prevedere il fatturato del prossimo trimestre. L'Agente raccoglie i dati rilevanti, esegue i calcoli necessari utilizzando modelli finanziari e genera un rapporto di previsione dettagliato, garantendo l'accuratezza delle proiezioni.

Come utilizzare la funzione Agente

Per abilitare la funzionalità Agente per il tuo chatbot personalizzato, segui questi passaggi:

  1. Vai alla sezione Agente nella schermata del bot personalizzato.

  2. Nella sezione Agente, troverai un elenco di strumenti disponibili che possono essere utilizzati dall'Agente. Per impostazione predefinita, tutti gli strumenti sono disabilitati.

  3. Per attivare uno strumento, basta attivare l'interruttore accanto allo strumento desiderato. Una volta abilitato uno strumento, l'Agente avrà accesso ad esso e potrà utilizzarlo durante l'elaborazione delle query dell'utente.

[!Importante] È importante notare che l'abilitazione di qualsiasi strumento nella sezione Agente tratterà automaticamente la funzionalità "Conoscenza" come uno strumento. Ciò significa che il LLM determinerà autonomamente se utilizzare la "Conoscenza" per rispondere alle query degli utenti, considerandola come uno degli strumenti disponibili.

  1. Per impostazione predefinita, viene fornito lo strumento "Ricerca Internet". Questo strumento consente all'Agente di recuperare informazioni da internet per rispondere alle domande degli utenti.

Questo strumento dipende da DuckDuckGo che ha un limite di frequenza. È adatto per PoC o scopi dimostrativi, ma se si desidera utilizzarlo in un ambiente di produzione, si consiglia di utilizzare un'altra API di ricerca.

  1. Puoi sviluppare e aggiungere strumenti personalizzati per estendere le capacità dell'Agente. Consulta la sezione Come sviluppare i propri strumenti per ulteriori informazioni sulla creazione e l'integrazione di strumenti personalizzati.

Come sviluppare i tuoi strumenti personalizzati

Per sviluppare strumenti personalizzati per l'Agent, segui queste linee guida:

  • Crea una nuova classe che erediti dalla classe AgentTool. Anche se l'interfaccia è compatibile con LangChain, questa implementazione di esempio fornisce una propria classe AgentTool, dalla quale dovresti ereditare (source).

  • Fai riferimento all'implementazione di esempio di uno strumento di calcolo BMI. Questo esempio dimostra come creare uno strumento che calcola l'Indice di Massa Corporea (BMI) in base all'input dell'utente.

    • Il nome e la descrizione dichiarati sullo strumento vengono utilizzati quando l'LLM considera quale strumento utilizzare per rispondere alla domanda dell'utente. In altre parole, vengono incorporati nel prompt quando si richiama l'LLM. Quindi è consigliabile descriverli il più precisamente possibile.

  • [Facoltativo] Una volta implementato il tuo strumento personalizzato, è consigliabile verificarne la funzionalità utilizzando uno script di test (esempio). Questo script ti aiuterà a garantire che il tuo strumento funzioni come previsto.

  • Dopo aver completato lo sviluppo e il test del tuo strumento personalizzato, sposta il file di implementazione nella directory backend/app/agents/tools/. Quindi apri backend/app/agents/utils.py e modifica get_available_tools in modo che l'utente possa selezionare lo strumento sviluppato.

  • [Facoltativo] Aggiungi nomi e descrizioni chiari per il frontend. Questo passaggio è facoltativo, ma se non lo esegui, verranno utilizzati il nome e la descrizione dello strumento dichiarati nel tuo strumento. Questi sono pensati per l'LLM e non per l'utente, quindi è consigliabile aggiungere una spiegazione dedicata per migliorare l'esperienza utente.

    • Modifica i file i18n. Apri en/index.ts e aggiungi il tuo name e description in agent.tools.
    • Modifica anche xx/index.ts. Dove xx rappresenta il codice paese che desideri.

  • Esegui npx cdk deploy per distribuire le tue modifiche. Questo renderà disponibile il tuo strumento personalizzato nella schermata del bot personalizzato.

Contribuzione

I contributi al repository degli strumenti sono ben accetti! Se sviluppi uno strumento utile e ben implementato, considera di contribuirlo al progetto inviando una segnalazione o una richiesta di pull.