О чём урок
В этом руководстве мы продемонстрируем реализацию агентного чат-бота, который облегчает HR-операции в вымышленной версии Cohere. С помощью своих инструментов чат-бот способен извлекать и использовать соответствующую информацию, а также получать данные из внешних источников данных (таких как база данных или API). Начнем с настройки импортов и определений инструментов. Мы предоставляем нашему агенту фиктивные данные о сотрудниках Cohere, а также следующие инструменты: python_tool: позволяет модели писать и выполнять код Python get_info_employee: извлекает информацию о (фиктивном) сотруднике Cohere из базы данных search_cohere_policies: извлекает соответствующие документы о HR-политиках Cohere get_employee_timezone: извлекает текущее смещение UTC для местоположения internet_search: просматривает интернет для поиска релевантной информации по запросу get_template: получает шаблон для определенного вида коммуникации, например, предложение кандидату, отказ и т.д. Чтобы упростить приведенный ниже код, мы храним определения этих инструментов в файле tools.py. Для этого руководства вам также понадобятся два API ключа: один от Cohere и один от Tavily, чтобы модель могла искать в интернете. Вы можете создать файл .env в этом каталоге для их хранения. Теперь мы готовы выполнить несколько базовых запросов. Эти первоначальные запросы не зависят от предыдущей истории чата, но требуют использования нескольких инструментов. В первом примере Агент использует инструмент "get_template" для загрузки соответствующего шаблона и заполняет его релевантной информацией, предоставленной пользователем. Во втором примере Агент использует "search_cohere_policies" для выполнения задачи RAG и отвечает на вопрос пользователя на основе извлеченной информации. В третьем примере Агент использует инструмент "get_info_employee" для извлечения информации из CSV-файла, а затем генерирует ответы. Как мы видели, в приведенных выше примерах Агент получает входной запрос и выбирает наиболее подходящий инструмент ('get_template', 'search_cohere_policies' и 'get_info_employee') для генерации ответа. Теперь мы увидим, как Агент может участвовать в беседах, отвечая на запросы на основе предыдущей истории чата.
План урока
- Начало работы
- Базовые prompt'ы
- Запросы, зависящие от истории
Урок входит в полный доступ. Полный текст и видео открываются после оплаты. Первые уроки каждого курса бесплатны.