4 langkah untuk membina sembang bersarang pelbagai ejen dengan autogen

Sembang bersarang di Autogen: Membina interaksi proksi AI yang lebih responsif dan dinamik

Kemajuan dalam kecerdasan buatan (AI) telah membolehkan chatbots berkembang pesat. Hari ini, dengan kemunculan agen AI, chatbots dapat mengendalikan interaksi yang lebih kompleks dan berlapis, jauh melebihi batasan perbualan tradisional. Dalam artikel sebelumnya, membina chatbot pelbagai agen dengan Autogen, kami meneroka konsep sembang berurutan menggunakan Autogen, yang membolehkan komunikasi berstruktur, berputar antara pelbagai agen. Sekarang, berdasarkan ini, kami akan berpindah ke ciri yang lebih kompleks: sembang bersarang. Dengan rangka kerja Autogen yang kuat, dialog bersarang membolehkan robot untuk mengekalkan komunikasi yang lancar dan bukannya mengikut urutan tetap. Mereka boleh menyelidiki alat lain dalam aliran perbualan tunggal, mengendalikan gangguan dan pulih dengan lancar. Artikel ini akan membimbing anda untuk melaksanakan sembang bersarang di Autogen dan menyerlahkan kaitannya dalam mewujudkan interaksi proksi yang responsif dan dinamik.

Jadual Kandungan

• Apa itu sembang bersarang?
• Melaksanakan sembang bersarang di Autogen
  • Prasyarat
  • Langkah 1: Gunakan alat ini untuk menentukan proksi garis besar
  • Langkah 2: Tentukan ejen penulis dan pengulas
  • Langkah 3: Daftar untuk sembang bersarang
  • Langkah 4: Mulakan sembang bersarang
• Soalan Lazim

Apa itu sembang bersarang?

Mari kita faham apa itu sembang bersarang.

Pertimbangkan sembang proksi tiga pihak di mana dua perbualan proksi diperlukan untuk berulang kali terlibat dalam perbualan bulat. Sembang antara kedua -dua ejen ini boleh ditambah kepada sembang bersarang. Selepas menyelesaikan perbualan yang berasingan ini, ejen boleh membawa konteks kembali ke perbualan utama.

Angka berikut menunjukkan proses penukaran sembang bersarang.

Apabila mesej yang masuk mencetuskan keadaan, mesej itu memasuki sembang bersarang. Sembang bersarang boleh menjadi sembang proksi ganda, sembang berurutan, atau sembang lain. Hasil sembang sembang bersarang akan dihantar kembali ke perbualan utama.

Melaksanakan sembang bersarang di Autogen

Dalam artikel ini, kami akan menggunakan sembang bersarang untuk membina sistem penulisan artikel. Untuk melakukan ini, kami akan membuat tiga ejen - satu untuk menulis garis besar artikel, satu untuk menulis artikel dari garis besar ini, dan satu untuk mengkaji artikel. Kami mahu penulis dan pengulas bercakap antara satu sama lain beberapa kali, jadi kami meletakkan kedua -dua ejen ini dalam sembang bersarang.

Di samping itu, kami akan menyediakan proksi profil dengan kebenaran untuk mengakses alat pertanyaan rangkaian.

Sekarang, mari kita buat ini dengan kod.

Prasyarat

Sebelum membina proksi autogen, pastikan anda mempunyai kunci API yang diperlukan untuk LLM yang diperlukan. Dalam latihan ini, kami juga akan menggunakan Tavily untuk mencari rangkaian.

Muatkan fail .env dengan kekunci API yang diperlukan. Di sini kita akan menggunakan kunci API OpenAI dan Tavily ().

 <code>from dotenv import load_dotenv load_dotenv('/home/santhosh/Projects/courses/Pinnacle/.env')</code>

Tentukan LLM untuk digunakan sebagai config_list

 <code>config_list = { "config_list": [{"model": "gpt-4o-mini", "temperature": 0.2}] }</code>

Keystore yang diperlukan

Autogen-Agentchat-0.2.37

Tavily-Python-0.5.0

Sekarang, mari kita mula melaksanakannya.

Langkah 1: Gunakan alat ini untuk menentukan proksi garis besar

Tentukan proksi user_proxy, yang juga akan melaksanakan alat tersebut. Kemudian gunakan LLM untuk menentukan garis besar untuk menghasilkan garis besar artikel.

 <code>from autogen import ConversableAgent user_proxy = ConversableAgent( name="User", llm_config=False, is_termination_msg=lambda msg: msg.get("content") is not None and "TERMINATE" in msg["content"], human_input_mode="TERMINATE") outline = ConversableAgent( name="Article_outline", system_message="""您是一位经验丰富的內容策略師，負責為指定主題的文章創建詳細的提綱。您的目標是將文章組織成邏輯部分，以便清晰有效地傳達主要思想。如有需要，請使用web_search工具。任務完成後返回“TERMINATE”。""", llm_config=config_list, silent=False, )</code>

Tentukan fungsi web_search untuk menanyakan rangkaian.

 <code>def web_search(query: str) -> str: tavily_client = TavilyClient() response = tavily_client.search(query, max_results=3, days=10, include_raw_content=True) return response['results']</code>

Gunakan pelaksana user_proxy untuk mendaftarkan fungsi web_search ke proksi garis besar.

Kami menetapkan pelaksana kepada user_proxy supaya kami dapat menyemak garis besar yang dihantar kepada ejen penulis.

 <code>register_function( web_search, caller=outline, # 助手代理可以建议调用。 executor=user_proxy, # 用户代理可以执行调用。 name="web_search", # 默认情况下，函数名称用作工具名称。 description="搜索互联网以获取给定查询的结果", # 工具的描述。 )</code>

Langkah 2: Tentukan ejen penulis dan pengulas

Tentukan satu ejen untuk menjana kandungan artikel dan satu lagi untuk mengkaji artikel dan memberikan cadangan untuk penambahbaikan.

 <code>writer = ConversableAgent( name="Article_Writer", system_message="""您是一位熟练的作家，负责根据给定的提纲创作一篇全面、引人入胜的文章。您的目标是遵循提纲中提供的结构，用经过充分研究、清晰且内容翔实的內容扩展每个部分。保持文章长度约为500字。如有需要，請使用web_search工具。任務完成後返回“TERMINATE”。""", llm_config=config_list, silent=False, ) reviewer = ConversableAgent( name="Article_Reviewer", system_message="""您是一位熟练的技术文章审阅者。审阅给定的文章，并提供建议以使文章更具吸引力和趣味性。""", llm_config=config_list, silent=False, )</code>

Langkah 3: Daftar untuk sembang bersarang

Sekarang kita boleh mendaftarkan sembang bersarang untuk kedua -dua ejen.

 <code>writer.register_nested_chats( trigger=user_proxy, chat_queue=[ { "sender": reviewer, "recipient": writer, "summary_method": "last_msg", "max_turns": 2, } ], )</code>

Dalam kod di atas, ini akan mencetuskan sembang bersarang apabila user_proxy menghantar sebarang mesej kepada proksi penulis. Ejen penulis kemudian akan menulis artikel dan ejen pengulas akan mengkaji artikel beberapa kali berdasarkan max_turns (dua kali dalam kes ini). Akhirnya, hasil sembang bersarang akan dihantar kembali kepada ejen pengguna.

Langkah 4: Mulakan sembang bersarang

Sekarang semuanya disediakan, mari kita mulakan sembang

 <code>chat_results = user_proxy.initiate_chats( [{"recipient": outline, "message": "撰写一篇关于微软发布的Magentic-One代理系统的文章。", "summary_method": "last_msg", }, {"recipient": writer, "message": "这是文章提纲", "summary_method": "last_msg", }])</code>

Di sini kita akan menulis artikel mengenai sistem ejen Magentic-One. Pertama, proksi user_proxy akan mula berbual dengan proksi garis besar dan kemudian mula berbual dengan proksi penulis.

Sekarang output kod di atas akan kelihatan seperti ini:

Seperti yang dapat kita lihat, user_proxy pertama menghantar mesej kepada proksi garis besar yang menerangkan subjek artikel. Ini akan mencetuskan panggilan alat, dan user_proxy melaksanakan alat tersebut. Berdasarkan hasil ini, ejen garis besar menghasilkan garis besar dan menghantarnya kepada ejen penulis. Selepas itu, sembang bersarang antara ejen penulis dan ejen pengulas akan diteruskan seperti yang dibincangkan di atas.

Sekarang, mari cetak hasil akhir, iaitu artikel tentang Magic-One.

 <code>print(chat_results[1].chat_history[-2]['content'])</code>

kesimpulannya

Sembang bersarang di Autogen meningkatkan fungsi chatbots dengan membolehkan interaksi multitasking kompleks dalam proses perbualan tunggal. Sembang bersarang membolehkan bot untuk memulakan sembang berdedikasi berasingan dan mengintegrasikan output mereka dengan lancar. Ciri ini menyokong respons dinamik dan disasarkan kepada pelbagai aplikasi, dari e-dagang ke penjagaan kesihatan. Dengan sembang bersarang, Autogen membuka jalan bagi sistem AI yang lebih responsif, konteks. Ini membolehkan pemaju membina chatbots kompleks yang dapat memenuhi pelbagai keperluan pengguna dengan berkesan.

Jika anda ingin mengetahui lebih lanjut mengenai ejen AI, lihat program Ejen Ejen AI Eksklusif kami!

Soalan Lazim

Q1. A. Sembang bersarang di Autogen membolehkan chatbots untuk menguruskan pelbagai sub-penukaran dalam proses sembang, sering melibatkan ejen atau alat lain untuk mendapatkan maklumat khusus. Tidak seperti sembang berurutan yang mengikuti pendekatan berstruktur, berputar, sembang bersarang membolehkan bot mengendalikan gangguan dan tugas selari dan mengintegrasikan output mereka kembali ke dalam perbualan utama.

S2. A. Sembang bersarang meningkatkan sokongan pelanggan dengan membenarkan bot untuk mewakilkan tugas kepada ejen profesional. Sebagai contoh, dalam e-dagang, chatbot boleh merujuk ejen berasingan untuk memeriksa status pesanan atau maklumat produk dan kemudian menghantar maklumat kepada pengguna dengan lancar, memastikan tindak balas yang lebih cepat dan lebih tepat.

Q3. A. Sembang bersarang boleh digunakan untuk industri yang berbeza. Dalam industri perbankan, ia menyediakan sokongan profesional untuk pertanyaan akaun dan pinjaman; Fleksibiliti ini menjadikan sembang bersarang sesuai untuk mana -mana kawasan di mana pemprosesan maklumat multitasking dan terperinci diperlukan.

S4. Adakah saya memerlukan tetapan tertentu untuk melaksanakan sembang bersarang di Autogen? A. Ya, melaksanakan sembang bersarang di Autogen memerlukan mengkonfigurasi proksi menggunakan kekunci API tertentu, seperti model bahasa atau alat carian web seperti tavily. Di samping itu, setiap ejen mesti menentukan tugas dan alat yang sesuai untuk pelaksanaan lancar perbualan bersarang.

S5. Bolehkah saya menjejaki kos yang berkaitan dengan setiap ejen sembang bersarang di Autogen? A. Ya, Autogen membolehkan menjejaki kos yang ditanggung oleh setiap ejen dalam sembang bersarang. Dengan mengakses atribut cost dalam hasil sembang, pemaju boleh memantau perbelanjaan yang berkaitan dengan interaksi proksi, membantu mengoptimumkan penggunaan sumber dan kecekapan chatbots.

Atas ialah kandungan terperinci 4 langkah untuk membina sembang bersarang pelbagai ejen dengan autogen. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!