Try-Agents-Haystack
Tentando os agentes -> Novo recurso introduzido no Haystack 1.15.0 para fazer com que modelos de idiomas grandes resolvam consultas e tarefas complexas.
Até a partir da versão 1.15, o Haystack implementa agentes!
Simplificando, um agente é um modelo de idioma grande com um prompt específico.
Com base nesse prompt, o agente pode responder a perguntas complexas, realizando uma sequência de etapas.
A cada etapa, o agente (nosso cérebro?) Pode selecionar uma ferramenta em sua caixa de ferramentas? e use -o para realizar uma tarefa.
Alguns exemplos de ferramentas: pesquisa na web, calculadora, vários dutos/nós (disponíveis no palheiro) ...
Demonstração
Demo.MP4
No vídeo, você vê o agente em ação com a tarefa de responder perguntas sobre livros na minha lista de leitura.
- Eu carreguei um CSV contendo uma lista de leitura mínima
- Eu inicializei duas ferramentas ⚒️:
- Um componente de resposta a perguntas para responder a perguntas sobre minha lista de leitura
- Uma ferramenta de pesquisa?, Que pode navegar na web e encontrar informações
- Definei um agente, com base no modelo DaVinci e equipado com as ferramentas definidas acima.
- Agora eu posso fazer perguntas complexas, como "Você pode me fornecer informações sobre o livro mais curto da minha lista de leitura, incluindo autor e preço na Amazon?" "
Atualmente, os agentes funcionam muito bem com o modelo Openai DaVinci. Em breve, os modelos de código aberto também serão suportados, para que você possa ter o poder do LLM à sua disposição sem desistir de seus dados!
Mais informações
Agentes em Haystack
- Apresentando agentes no Haystack: Make LLMS resolver tarefas complexas por Tuana Çelik
- Tutorial: Respondendo a perguntas multihop com agentes
- Documentação do Haystack: o agente
Papéis
- Reação: sinergizando raciocínio e atuação em modelos de idiomas
- Sistemas MRKL: uma arquitetura modular e neuro-simbólica que combina grandes modelos de linguagem, fontes de conhecimento externas e raciocínio discreto