Урок из полного доступа, первые уроки курса бесплатно Официальный курс Mistral AI Cookbook на русском
Урок 126 · Текст · ~5 мин

Агент поддержки банка на Pydantic AI

Урок 126 из 154 курса «Mistral AI Cookbook»: официальный курс Mistral AI Cookbook (Мистраль) на русском языке. Урок входит в платный доступ; первые уроки курса бесплатно.

О чём урок

В этом руководстве мы покажем, как создать агента поддержки банка, используя Mistral AI и PydanticAI, который предлагает следующие возможности:

  • Структурированные ответы: Pydantic гарантирует, что output'ы соответствуют предопределенной схеме, обеспечивая согласованные и проверенные ответы.
  • Внешние зависимости: Улучшайте взаимодействие с AI, интегрируя внешние зависимости, такие как базы данных, через систему внедрения зависимостей с проверкой типов.
  • Динамический контекст: Функции system prompt позволяют внедрять информацию, доступную во время выполнения, например имя клиента, в контекст агента, обеспечивая персонализированное взаимодействие.
  • Интеграция инструментов: Агент может вызывать инструменты для получения информации в реальном времени, расширяя свои возможности за пределы статических ответов.

Пример в этом руководстве адаптирован с https://ai.pydantic.dev/.

Если вы запускаете pydantic-ai в jupyter notebook или Colab, вам понадобится nest-asyncio для управления конфликтами между циклами событий, которые возникают между циклами событий jupyter и pydantic-ai:

Начнем с простого примера использования Pydantic AI для базового Q&A с Mistral.

Мы определим агента, работающего на Mistral, с system prompt, разработанным для обеспечения кратких ответов. Когда мы спросим о происхождении «hello world», модель предоставит краткий ответ из одного предложения.

В этом более сложном примере мы создаем агента поддержки банка.

В более сложных AI-workflow'ах ваша модель может требовать внешних данных, таких как информация из базы данных. Здесь мы определяем фиктивный класс базы данных, который извлекает имя и баланс клиента. В реальном сценарии этот класс мог бы подключаться к действующей базе данных. Агент может использовать эти методы для эффективного ответа на запросы клиентов.

На этом шаге мы определяем, как работает агент поддержки, настраивая его входные зависимости и ожидаемый формат output'а.

Разбор кода:

Почему этот дизайн важен:

  • Определяя входные зависимости и форматы output'а, мы гарантируем, что агент всегда получает корректные данные и выдает предсказуемые результаты. Это упрощает интеграцию в более крупные системы и способствует четким, действенным ответам.

Этот код прикрепляет функцию динамического system prompt. Прежде чем модель увидит запрос пользователя, она получает…

План урока

  1. Пример 1: Базовый Q&A с Mistral
  2. Шаг 1: Определение базы данных
  3. Шаг 2: Определение агента поддержки банка
  4. Шаг 3: Добавление динамического system prompt
  5. Шаг 4: Определение инструментов, которые может использовать агент
  6. Шаг 5: Запуск агента

Урок входит в полный доступ. Полный текст и видео открываются после оплаты. Первые уроки каждого курса бесплатны.

Откройте полный доступ

Вы прошли бесплатные уроки. Выберите тариф, чтобы продолжить обучение.

Курсы Mistral AI 1 490 ₽ Разовый платёж, навсегда
  • Все курсы от Mistral AI (1 шт.)
  • Именной сертификат по каждому пройденному курсу
Оплатить
Полный доступ 4 900 ₽ Разовый платёж, навсегда
  • Все 77 курсов от 11 AI-провайдеров
  • Библиотека промптов и новые курсы
Оплатить

Безопасная оплата через Robokassa: СБП, карты, электронные кошельки. Доступ откроется в этом браузере и придёт письмом. Уже оплатили? Восстановить доступ

Полезные гиды