Smolagents durch Umarmung des Gesichts: Bauen Sie KI -Agenten in unter 30 Linien auf

Frohes Neues Jahr! Meine Erkundung von AI -Agenten im Jahr 2025 führte mich dazu, das Smolagents -Rahmen von Face zu umarmen. Lass uns eintauchen!

Die Smolagents -Bibliothek von Face, die im Jahr 2025 gestartet wurde, vereinfacht das Ausführen leistungsstarker Agenten mit minimalem Code. Die Benutzerfreundlichkeit, die Hub -Integrationen und die breite LLM -Kompatibilität machen es ideal für agierende Workflows.

Inhaltsverzeichnis

• Was ist Smolagents?
• KI -Agenten verstehen
• Beispiel für mehrstufiges Agent
• Smolagents Schlüsselmerkmale
• Smolagents -Funktionen:
  • Codeagenten
  • Lokaler Python -Dolmetscher
  • E2B Code Executor
• Smolagents in Aktion:
  • Demo 1: Forschungsvertreter
  • Demo 2: Aktienkursabnahme
• Abschluss

Was ist Smolagents?

Smolagents ist eine kurze, leistungsstarke Bibliothek für den Aufbau und die Läufe. Sein kompaktes Design (rund 1.000 Zeilen Code) priorisiert die Benutzerfreundlichkeit, ohne die Funktionalität zu opfern. Es ist hervorragend bei der Unterstützung von "Codeagenten", die Code generieren und ausführen, und bietet eine verbesserte Sicherheit über Sandbox -Umgebungen wie E2B. Es unterstützt auch herkömmliche ToolCallingagents mithilfe von JSON- oder textbasierten Aktionen. Smolagents integrieren sich in verschiedene LLMs (umarmende Gesichtsinferenz -API, OpenAI, Anthropic usw. über LitellM) und ein gemeinsames Tool -Repository auf dem Umarmungs -Face -Hub.

KI -Agenten verstehen

AI -Agenten sind autonome Systeme, die Aufgaben im Namen von Benutzern oder anderen Systemen ausführen. Sie erreichen dies, indem sie Workflows orchestrieren und externe Tools verwenden (Websuche, Codeausführung usw.). LLMS Stromversorgung Diese Agenten, die den Werkzeugnutzung für Echtzeitinformationen integrieren. Im Wesentlichen überbrücken sie LLMs und die externe Welt und ermöglichen Handeln und Entscheidungsfindung. Die Agentur existiert in einem Spektrum, wobei LLMs unterschiedliche Kontrolle über Systemaktionen aufweisen.

Agenturstufe	Beschreibung	Name	Beispiel
☆☆☆	Die LLM -Ausgabe hat keinen Einfluss auf den Programmfluss	Einfacher Prozessor	process_llm_output(llm_response)
⭐☆☆	Die LLM -Ausgabe bestimmt einen IF/sonst -Schalter	Router	if llm_decision(): path_a() else: path_b()
⭐⭐☆	Die LLM -Ausgabe bestimmt die Funktionsausführung	Werkzeug Anrufer	run_function(llm_chosen_tool, llm_chosen_args)
⭐⭐⭐	LLM Output Controls Iteration und Programm Fortsetzung	Multi-Step-Agent	while llm_should_continue(): execute_next_step()
⭐⭐⭐	Ein agierischer Workflow beginnt ein anderes	Multi-Agent	if llm_trigger(): execute_agent()

Beispiel für mehrstufiges Agent

Agenten erledigen komplexe Aufgaben, indem sie mehrere Tools verwenden und sich an verschiedene Situationen anpassen. Im Gegensatz zu herkömmlichen Programmen mit starren Workflows verwalten Agenten die Komplexität und die Unvorhersehbarkeit effektiver.

Smolagents Schlüsselmerkmale

Für einfache Aufgaben reicht benutzerdefinierter Code aus. Für komplexe Verhaltensweisen (Werkzeugaufruf, Multi-Step-Agenten) bietet Smolagents jedoch eine wesentliche Struktur:

• Tool Calling: Die Ausgabe des Agenten folgt einem bestimmten Format (z. B. "Gedanken: Verwenden Sie" get_weather ". Aktion: get_weather (paris).) Von einem Parser verarbeitet. Das System fordert das LLM in diesem Format ein.
• Multi-Step-Agenten: LLM-Eingabeaufforderungen werden basierend auf früheren Iterationen zugeschnitten, die Speicher für den Kontext erfordern.

Smolagents integriert diese Komponenten nahtlos: LLM, Tools, Parser, System -Eingabeaufforderung, Speicher und Fehlerbehandlung.

Smolagents Fähigkeiten

Codeagenten

Die Verwendung von Code (anstelle von JSON) für Toolaktionen ist aufgrund seiner Effizienz, Komposition, Objektmanagementfunktionen, Allgemeinheit und Kompatibilität mit LLM -Trainingsdaten überlegen.

Lokaler Python -Dolmetscher

Der CodeAg verwendet einen sicheren LocalPythonInterpreter mit kontrollierten Importen, Betriebsbegrenzungen und vordefinierten Aktionen.

E2B Code Executor

Für die erweiterte Sicherheit integriert sich Smolagents in E2B für sandboxierte Codeausführung.

 Aus Smolagents importieren Codeagent, besuchen Sie webpagetool, hfapimodel
Agent = CodeAgent (Tools = [Visitwebpagetool ()], model = hfapimodel (), zusätzlich_authorized_imports = ["Anforderungen", "Markdownify"], Use_e2b_executor = true)
Agent.Run ("Was war Abraham Lincolns bevorzugter Haustier?")

Smolagents in Aktion

Demo 1: Forschungsvertreter

 ! PIP Installieren Sie Smolagents
aus Smolagents importieren Codeagent, DuckDuckGoSearchtool, Hfapimodel
model = litellmmodel (model_, api_key = "your_api_key") # Ersetzen Sie Ihren_API_Key
Agent = CodeAgent (Tools = [DuckDuckGoSearchtool ()], Modell = Modell)
Agent.Run ("Erzähl mir von Analytics Vidhya") 

Demo 2: Aktienkursabnahme

 ! PIP Installieren Sie Smolagents
Importieren Sie YFinance als YF
model = litellmmodel (model_, api_key = "your_api_key") # Ersetzen Sie Ihren_API_Key
Agent = CodeAgent (Tools = [DuckDuckGoSearchtool ()], Adcother_authorized_imports = ["YFInance"], Modell = Modell)
response = Agent.run ("den Aktienkurs von Apple Inc (NASDAQ: AAPL) abrufen. Verwenden Sie die YFInance -Bibliothek.")
Druck (Antwort) 

Abschluss

Smolagents vereinfachen die Entwicklung der KI -Agenten. Die wichtigsten Stärken sind Einfachheit, Vielseitigkeit, Sicherheit, die Verwendung von Code für Toolaktionen und sein integriertes Ökosystem. Es ist ein wertvolles Instrument zum Aufbau anpassungsfähiger und skalierbarer Agentensysteme. Erwägen Sie, das Agentic AI Pioneer -Programm für tiefere Erkenntnisse zu untersuchen.

Das obige ist der detaillierte Inhalt vonSmolagents durch Umarmung des Gesichts: Bauen Sie KI -Agenten in unter 30 Linien auf. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!