Вызов функций поверх базы знаний

О чём урок

Этот notebook основывается на концепциях из notebook по генерации аргументов, создавая агента с доступом к базе знаний и двумя функциями, которые он может вызывать в зависимости от требований пользователя. Мы создадим агента, который использует данные из arXiv для ответов на вопросы по академическим темам. В его распоряжении две функции: get_articles: Функция, которая получает статьи arXiv по заданной теме и суммирует их для пользователя со ссылками. read_article_and_summarize: Эта функция берет одну из ранее найденных статей, полностью читает ее и суммирует основное утверждение, доказательства и выводы. Это поможет вам освоиться с многофункциональным рабочим процессом, который может выбирать из нескольких сервисов, и где часть данных из первой функции сохраняется для использования второй. Это руководство проведет вас по следующему рабочему процессу: Вспомогательные утилиты для поиска: Создание двух функций, которые обращаются к arXiv для получения ответов. Настройка агента: Разработка поведения агента, который будет оценивать необходимость функции и, если она требуется, вызывать эту функцию и представлять результаты обратно агенту. Разговор с arXiv: Объединение всего этого в живом разговоре. Мы сначала настроим несколько вспомогательных утилит, которые будут лежать в основе наших двух функций. Загруженные статьи будут храниться в директории (здесь мы используем ./data/papers). Мы создаем файл arxiv_library.csv для хранения embedding'ов и деталей загруженных статей, чтобы их можно было извлекать с помощью summarize_text. На этом шаге мы создадим нашего агента, включая класс Conversation для поддержки многошагового взаимодействия с API, и несколько функций Python для обеспечения взаимодействия между API ChatCompletion и функциями нашей базы знаний. Давайте объединим все это, протестировав наши функции в разговоре.

План урока

1. Пошаговое руководство
2. Вспомогательные утилиты для поиска
3. Настройка агента
4. Разговор с arXiv