摘要
本教程可以帮助您构建出LLM指令调试,智能知识库以及挂载工具的智能助手等智能体,同时提供了标准的API,可以帮助开发者集成到更多的业务场景中
场景介绍
我们抽离出以下三类智能体在真实的业务场景中产生价值
内容提取
通过将无结构化的文本进行格式化整合,极大程度的简化工作流程,比如将某页面内容提取成 表格或者json进行后续的程序消费
知识库
录入专有的知识文档,通过RAG技术进行内容解答,适用于客户答疑,专业技能学习
工具调用
给LLM外挂工具,比如查询自身的云资源可以清晰的掌握云资源的使用情况
实现步骤
登录注册
根据引导创建基础模型服务和LLM代理
创建智能体
简单问答类
所谓简单问答仅在原有的基础模型之上设置系统指令,要求其做一些提取分类,数据转化的工作
设定提示词
将输入的内容进行QA对提取, 结果输出为json,json的格式如下:
[
{
"question": "山西老陈醋的主要原料是什么?",
"answer": "山西老陈醋的主要原料是高粱、麸皮、谷糠和水。"
},
{
"question": "山西老陈醋的酿造工艺特点是什么?",
"answer": "山西老陈醋的酿造工艺特点是以高粱为主的多种原料配比,以红心大曲为主的优质糖化发酵剂,低温浓醪酒精发酵,高温固态醋酸发酵,熏醅和新醋长期陈酿。"
}]
注意只输出json结果,不要有其他的额外字符
(第一次创建无反应,请刷新页面)
接下来我们进入问答界面,输出一些非机构化的数据查看效果
输入
输出
知识库类
知识库类的智能体会从我们传入的数据进行解读,跟简单问答不同的在于,多了一个数据源的操作,根据引导我们先把数据上传
智能助手类
智能助手类的智能体跟前面两类最大的区别在于工具的调用,AgentCraft内置了一些工具,当然也支持您完全自定义工具
我们这里新建一个绘画工具
使用效果如下
总结
通过本篇已经构建出了非常精彩的智能体应用,欢迎一起参与讨论,更多介绍请访问AgentCraft文档 ,后续我也会有更多详细的技术介绍分享给大家