常见方法 | 🦜️🔗 Langchain中文网

📄️ 给 OpenAI Functions Agent 添加内存

本笔记本介绍了如何给 OpenAI Functions agent 添加内存。

为了演示AgentExecutorIterator的功能，我们将设置一个问题，其中一个Agent必须：

本笔记本介绍了如何合并代理和向量存储。这样做的用例是，您已经将数据摄入向量存储中，并希望以代理方式与之交互。

LangChain 通过利用 asyncio 库为 Agents 提供了异步支持。

这个链通过组合 (1) 特定的提示和 (2) 内存的概念来复制 ChatGPT。

本笔记本介绍了如何将自定义函数与OpenAI Functions agent集成。

本笔记本介绍如何创建自定义代理。

本章是基于这个笔记本构建的，并假设您熟悉代理的工作原理。

本笔记本介绍如何创建自己的自定义LLM代理。

本笔记本介绍了如何基于聊天模型创建自己的自定义代理。

MRKL：Modular Reasoning, Knowledge and Language

本笔记本介绍如何创建自己的自定义代理。

有时候LLM无法确定应该采取什么步骤，因为它输出的格式不正确，无法被输出解析器处理。在这种情况下，默认情况下代理会报错。但是你可以通过handleparsingerrors轻松控制这个功能！让我们来探索一下。

为了更好地了解代理程序的运行情况，我们还可以返回中间步骤。这以额外的键值对的形式返回，其中包含一个由(action, observation)元组组成的列表。

本笔记本介绍了如何限制代理程序在执行一定数量的步骤后停止。这可以确保它们不会失控并执行过多的步骤。

本笔记本介绍了如何在一定时间后限制代理执行器。这对于防止长时间运行的代理运行非常有用。

本教程演示了如何使用代理复制 MRKL 系统。

这个笔记本介绍了如何为代理及其工具都添加内存。在阅读本笔记本之前，请先浏览以下笔记本，因为本内容将基于它们进行构建：

如果您只想要代理的最终输出进行流式传输，可以使用回调函数FinalStreamingStdOutCallbackHandler。为此，底层的LLM也必须支持流式传输。

本笔记本展示了如何使用带有任意工具包的OpenAI功能代理。