擁抱Face的Smolagents：一個簡化的Python圖書館，用於構建AI代理
這篇博客文章介紹了Smolagents，這是一個來自擁抱面孔的新python庫，簡化了AI代理開發。我們將探索它的好處並瀏覽演示項目。
什麼是Smolagents？
擁抱的面孔將Smolagents描述為一個簡單的庫，使語言模型代理。 但是為什麼要創建代理需要專門的庫？
>代理通過使用定義的工具包與環境，計劃和執行操作來動態求解任務。 雖然從頭開始構建這些代理並非不可能，但它需要開發許多組件以確保有效的資源使用（避免過度的API調用和執行時間）。 代理框架簡化了此過程。對AI代理框架的常見批評包括過度的抽象層（導致僵化和調試困難）以及專注於剛性工作流而不是動態的協作。 Smolagents解決了這些問題：
>最小抽象層。
每日論文：跟上最近的研究的寶貴資源。
設置Smolagents
安裝很簡單：
需要一個擁抱的臉代幣。
構建自定義工具
> Smolagents提供內置工具（例如Duckduckgosearchtool），而創建自定義工具同樣簡單。 我們的演示使用四個工具：
pip install smolagents
>
：使用其標題獲得紙張ID。
get_hugging_face_top_daily_paper：讀取已下載的PDF文件。 get_paper_id_by_title有效的工具設計對於代理成功至關重要。 確保清晰度：>工具示例：get_hugging_face_top_daily_paper
pip install smolagents
，get_paper_id_by_title，download_paper_by_id）是類似定義的（分別使用read_pdf_file，huggingface_hub和arxiv），遵循相同的最佳實踐。
pypdf運行代理
我們將使用QWEN2.5-CODER-32B-INSTRUCT模型（免費使用）：
代理商的分步輸出演示了其工具使用情況。 （此處將包括第0、1、2和3步驟中代理輸出的屏幕截圖，顯示代理的過程和最終摘要）。
from smolagents import tool
import requests
from bs4 import BeautifulSoup
import json
@tool
def get_hugging_face_top_daily_paper() -> str:
"""
Retrieves the most upvoted paper from Hugging Face daily papers.
Returns the paper's title.
"""
try:
url = "<https:>" # URL to Hugging Face Daily Papers
response = requests.get(url)
response.raise_for_status()
soup = BeautifulSoup(response.content, "html.parser")
containers = soup.find_all('div', class_='SVELTE_HYDRATER contents')
top_paper = ""
for container in containers:
data_props = container.get('data-props', '')
if data_props:
try:
json_data = json.loads(data_props.replace('"', '"'))
if 'dailyPapers' in json_data:
top_paper = json_data['dailyPapers'][0]['title']
except json.JSONDecodeError:
continue
return top_paper
except requests.exceptions.RequestException as e:
print(f"Error fetching HTML: {e}")
return None</https:>結論
Smolagents以上是擁抱面孔的smolagents：指南的詳細內容。更多資訊請關注PHP中文網其他相關文章！
