LLMs之ReACT-Agent：ReACT-Agent简介、实现及其使用方法(MReACT/AutoReACT)、案例应用(比如采用ReAct框架让LLM稳定输出JSON格式数据)之详细攻略

LLMs之ReACT-Agent：ReACT-Agent简介、实现及其使用方法(MReACT/AutoReACT)、案例应用(比如采用ReAct框架让LLM稳定输出JSON格式数据)之详细攻略

目录

相关文章

LLMs之ReACT-Agent：ReACT-Agent简介、实现及其使用方法(MReACT/AutoReACT)、案例应用(比如采用ReAct框架让LLM稳定输出JSON格式数据)之详细攻略

ReACT-Agent的简介

ReACT-Agent的实现及其使用方法(具体Prompt提示词内容)

T1、 MReACT：手动定义Prompt实现ReACT

(1)、ReACT-Agent的通用Prompt基础实现

(2)、ReACT应用技巧案例

LLMs之PE：大模型核心技术—提示工程(Prompt Engineering)—拿来即用—实战应用技巧案例集合(如PC/CoT/ToT/ReACT/ScP/PCTS等思想，Broke/RTRWCO-STAR等提示框架结构)

(3)、ReACT-Agent的通用Prompt复杂实现

T2、AutoReACT：自动流程实现ReACT

LLMs之Agent之ReACT：基于LangChain框架来构建一个智能助手—利用Wikipedia作为知识源+通过Search和Lookup工具进行信息检索+并使用OpenAI格式接口来生成回答(包含调试/多跳推理)—定义基础的LLM(ChatGPT-3/ChatGLM-4)测试交互对话→手动ManualReACT/自动ReACT(增强LLM的生成能力)—定义文档存储库(Wikipedia)以及2个工具(Search搜索/Lookup查找)→创建Agent(定义OpenAI格式的LLM【调用GLM-4】/初始化Agent)→测试Agent→拉开chain并测试多跳示例

ReACT-Agent的案例应用(比如采用ReAct框架让LLM稳定输出JSON格式数据)

1、实战案例

让 LLM 稳定输出 JSON格式数据

2、进阶案例

LLMs之Agent之XMLAgent/JsonChatAgent/StructuredChat/ReAct：基于LangChain框架构建一个基于LLM(采用claude-2.1驱动)能够利用XML结构化数据进行对话的Agent系统(可以执行更复杂的任务,如信息检索、数据格式转换等)—定义工具列表(如TavilySearchResults)→创建XMLAgent(将llm【XML采用claude-2.1/Json和Structured采用ChatOpenAI】、tools、prompt【提示模板】打包给create_xml_agent+定义AgentExecutor)→测试XML Agent(用户输入dict格式+直接测试/带记忆的测试)→自定义XMLAgent并测试(中间步骤过程字符串化以嵌入到提示中/工具列表字符串化以嵌入到提示中→定义agent(采用管道操作符|实现)→定义AgentExecutor→测试XMLAgent【应与提示中指定的格式同步】)

LLMs之GLM-4：基于langchain框架利用ChatZhipuAI的GLM-4的API接口实现对话聊天功能(基础/Streaming流式)和工具调用(基于GLM-4采用react-chat-json的prompt结合TavilySearch工具构建json_chat_agent)功能代码实战

---

相关文章

LLMs之ReACT-Agent：ReACT-Agent简介、实现及其使用方法(MReACT/AutoReACT)、案例应用(比如采用ReAc