Агентный RAG, часть 5: запросы к таблицам

О чём урок

В предыдущих уроках мы исследовали, как создавать агентские RAG-приложения для неструктурированных и полуструктурированных данных. В этом и следующем уроках мы сосредоточимся на структурированных данных. Этот урок посвящен запросам к таблицам, а следующий урок будет посвящен запросам к базам данных SQL. Рассмотрим сценарий, в котором у вас есть CSV-файл, содержащий результаты оценки для LLM-приложения. Пользователь может задавать вопросы типа «Каков средний балл для конкретного варианта использования?» или «Какая конфигурация имеет наименьшую задержку?». Эти запросы требуют не только извлечения, но также анализа и интерпретации данных. В этом уроке мы рассмотрим: Создание функции для выполнения кода Python Настройка инструмента для взаимодействия с табличными данными Создание агента для запросов к табличным данным Запуск агента Начнем с настройки нашей среды и определения необходимых инструментов для нашего агента. Для начала нам необходимо установить библиотеку cohere и создать клиент Cohere. А вот данные, с которыми мы будем работать. evaluation_results.csv — это CSV-файл, содержащий результаты оценки для набора LLM-приложений: извлечение имен, составление электронных писем и суммаризация статей. Файл имеет следующие столбцы: usecase: Вариант использования. run: Идентификатор запуска. score: Оценочный балл для конкретного запуска. temperature: Настройка температуры модели для конкретного запуска. tokens: Количество токенов, сгенерированных моделью для конкретного запуска. latency: Задержка ответа модели для конкретного запуска. Важно: данные можно найти здесь. Убедитесь, что файл находится в той же директории, что и этот ноутбук, для корректной работы импорта. Здесь мы представляем новый инструмент, который позволяет агенту выполнять код Python и возвращать результат. Агент будет использовать этот инструмент для генерации кода pandas для запросов к данным. Для создания этого инструмента мы будем использовать класс PythonREPL из модуля langchain_experimental.utilities. Этот класс предоставляет изолированную среду для выполнения кода Python и возвращает результат. Сначала мы определяем python_tool, который использует класс PythonREPL для выполнения кода Python и возврата результата.

План урока

1. Настройка
2. Создание функции для выполнения кода Python
3. Настройка инструмента для взаимодействия с табличными данными
4. Создание агента для запросов к табличным данным
5. Запуск агента
6. Резюме