Skip to main content

计划执行代理

这个例子展示了如何使用一个使用计划执行框架来回答查询的代理。 该框架与其他目前支持的代理（全部被归类为行动代理)的工作方式不同，因为它使用了一个两步过程:。

  1. 首先，代理使用 LLM 创建一个带有明确步骤的计划来回答查询。
  2. 一旦它有了计划，它就使用嵌入式传统行动代理来解决每一步。

这个想法是计划步骤通过将一个较大的任务分解成更简单的子任务，使 LLM 保持更“在轨道”上。 然而，这种方法需要更多的单独 LLM 查询，并且与行动代理相比具有更高的延迟。

注: 这个代理目前只支持聊天模型。

import { Calculator } from "langchain/tools/calculator";
import { SerpAPI } from "langchain/tools";
import { ChatOpenAI } from "langchain/chat_models/openai";
import { PlanAndExecuteAgentExecutor } from "langchain/experimental/plan_and_execute";

const tools = [new Calculator(), new SerpAPI()];
const model = new ChatOpenAI({
  temperature: 0,
  modelName: "gpt-3.5-turbo",
  verbose: true,
});
const executor = PlanAndExecuteAgentExecutor.fromLLMAndTools({
  llm: model,
  tools,
});

const result = await executor.call({
  input: `Who is the current president of the United States? What is their current age raised to the second power?`,
});

console.log({ result });