拥抱Face的Smolagents：一个简化的Python图书馆，用于构建AI代理
这篇博客文章介绍了Smolagents，这是一个来自拥抱面孔的新python库，简化了AI代理开发。我们将探索它的好处并浏览演示项目。
什么是Smolagents？
拥抱的面孔将Smolagents描述为一个简单的库，使语言模型代理。 但是为什么要创建代理需要专门的库？
>代理通过使用定义的工具包与环境，计划和执行操作来动态求解任务。 虽然从头开始构建这些代理并非不可能，但它需要开发许多组件以确保有效的资源使用（避免过度的API调用和执行时间）。 代理框架简化了此过程。对AI代理框架的常见批评包括过度的抽象层（导致僵化和调试困难）以及专注于刚性工作流而不是动态的协作。 Smolagents解决了这些问题：
>最小抽象层。
每日论文：跟上最近的研究的宝贵资源。
设置Smolagents
安装很简单：
需要一个拥抱的脸代币。
构建自定义工具
> Smolagents提供内置工具（例如Duckduckgosearchtool），而创建自定义工具同样简单。 我们的演示使用四个工具：
pip install smolagents
>
：使用其标题获得纸张ID。
get_hugging_face_top_daily_paper：读取已下载的PDF文件。get_paper_id_by_title有效的工具设计对于代理成功至关重要。 确保清晰度：>工具示例：get_hugging_face_top_daily_paper
pip install smolagents
>，get_paper_id_by_title，download_paper_by_id）是类似定义的（分别使用read_pdf_file，huggingface_hub和arxiv），遵循相同的最佳实践。
pypdf运行代理
我们将使用QWEN2.5-CODER-32B-INSTRUCT模型（免费使用）：
代理商的分步输出演示了其工具使用情况。 （此处将包括第0、1、2和3步骤中代理输出的屏幕截图，显示代理的过程和最终摘要）。
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:>结论
Smolagents以上是拥抱面孔的smolagents：指南的详细内容。更多信息请关注PHP中文网其他相关文章！
