Skip to main content

访问中间步骤

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。

from langchain.agents import load_tools  
from langchain.agents import initialize_agent
from langchain.agents import AgentType
from langchain.llms import OpenAI

API 参考:

初始化代理程序所需的组件。

llm = OpenAI(temperature=0, model_name="text-davinci-002")  
tools = load_tools(["serpapi", "llm-math"], llm=llm)

使用 return_intermediate_steps=True 初始化代理程序。

agent = initialize_agent(  
tools,
llm,
agent=AgentType.ZERO_SHOT_REACT_DESCRIPTION,
verbose=True,
return_intermediate_steps=True,
)
response = agent(  
{
"input": "Who is Leo DiCaprio's girlfriend? What is her current age raised to the 0.43 power?"
}
)
> 进入新的 AgentExecutor 链...
我应该查找谁是 Leo DiCaprio 的女朋友
动作:搜索
动作输入:"Leo DiCaprio girlfriend"
观察结果:Camila Morrone
思考:我应该查找 Camila Morrone 的年龄
动作:搜索
动作输入:"Camila Morrone age"
观察结果:25 岁
思考:我应该计算 25 岁的 0.43 次方是多少
动作:计算器
动作输入:25^0.43
观察结果:答案:3.991298452658078

思考:我现在知道最终答案了
最终答案:Camila Morrone 是 Leo DiCaprio 的女朋友,她今年 3.991298452658078 岁。

> 链结束。
# 实际返回类型是代理程序动作的 NamedTuple,然后是观察结果
print(response["intermediate_steps"])
[(AgentAction(tool='Search', tool_input='Leo DiCaprio girlfriend', log=' 我应该查找谁是 Leo DiCaprio 的女朋友\n动作:搜索\n动作输入:"Leo DiCaprio girlfriend"'), 'Camila Morrone'), (AgentAction(tool='Search', tool_input='Camila Morrone age', log=' 我应该查找 Camila Morrone 的年龄\n动作:搜索\n动作输入:"Camila Morrone age"'), '25 岁'), (AgentAction(tool='Calculator', tool_input='25^0.43', log=' 我应该计算 25 岁的 0.43 次方是多少\n动作:计算器\n动作输入:25^0.43'), '答案:3.991298452658078\n')]
import json  

print(json.dumps(response["intermediate_steps"], indent=2))
[
[
[
"Search",
"Leo DiCaprio girlfriend",
" 我应该查找谁是 Leo DiCaprio 的女朋友\n动作:搜索\n动作输入:\"Leo DiCaprio girlfriend\""
],
"Camila Morrone"
],
[
[
"Search",
"Camila Morrone age",
" 我应该查找 Camila Morrone 的年龄\n动作:搜索\n动作输入:\"Camila Morrone age\""
],
"25 岁"
],
[
[
"Calculator",
"25^0.43",
" 我应该计算 25 岁的 0.43 次方是多少\n动作:计算器\n动作输入:25^0.43"
],
"答案:3.991298452658078\n"
]
]