Tracer l'exécution du code de l'agent

Vous avez ajouté de la mémoire à votre agent d'assistance voyage, et il a bien retenu votre numéro de confirmation de vol. Maintenant, vous vous demandez comment il a calculé ou enregistré cette information.

Pour le découvrir, vous allez inspecter tout le code que l'agent a exécuté durant les deux étapes en utilisant sa mémoire intégrée.

Cette activité fait partie du cours

Agents IA avec Hugging Face smolagents

Voir le cours

Instructions de l’exercice

Appelez la méthode .return_full_code() sur la mémoire de l'agent pour récupérer tout le code exécuté.
Affichez le code retourné afin de voir tout ce que l'agent a exécuté pendant la session.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Inspect the code executed by the agent
executed_code = travel_agent.memory.____()

print("Executed code during session:")
print("=" * 50)
print(executed_code)

Modifier et exécuter le code

Cette activité fait partie du cours

Agents IA avec Hugging Face smolagents

SkillTag.level.advancedSkillTag.label

4.8+

257 reviews

Commencer le cours gratuitement

Découvrez ce qui rend les agents de code uniques et comment ils utilisent Python pour raisonner et agir. Créez votre premier agent avec smolagents, ajoutez des outils intégrés et communautaires pour l'accès au Web, et concevez des outils personnalisés pour relier les agents aux données.

Exercise 1: Introduction à Hugging Face smolagents Exercise 2: Laissez l'agent faire le calcul : aperçu des dépenses Exercise 3: Attendez, vous n'avez écrit aucune fonction?Exercise 4: Créer un agent avec des outils Exercise 5: Écrire du code à partir d'invites : intérêts composés Exercise 6: Permettre aux agents de chercher sur le Web Exercise 7: Créer un agent avec des outils personnalisés Exercise 8: Ajoutez simplement @tool : créer un outil personnalisé Exercise 9: L'addition, s'il vous plaît ! Donner accès aux données aux agents Exercise 10: Une invite, plusieurs outils

Transformez votre pipeline RAG traditionnel en un système agentique qui récupère l'information de façon itérative et raisonne sur plusieurs étapes. Créez des outils à état pour soutenir une recherche avancée, guidez les agents avec des intervalles de planification pour améliorer les résultats, et utilisez des rappels pour suivre et personnaliser le comportement des agents à l'exécution.

Exercise 1: Rappel sur le RAG Exercise 2: RAG en ordre : des manuels aux réponses Exercise 3: Alors, que se passe-t-il vraiment dans RAG?Exercise 4: L'étape qui ajoute du sens Exercise 5: Introduction à l'Agentic RAG Exercise 6: Pensé pour conserver l'état : créer un outil de recherche RAG Exercise 7: Connecter l'outil et activer l'Agentic RAG Exercise 8: Travailler avec des agents en plusieurs étapes Exercise 9: Suivre les étapes de l'agent et surveiller l'action Exercise 10: C'est l'heure du jeu : exécuter l'agent au complet

Abordez des flux de travail complexes en orchestrant des équipes d'agents spécialisés sous la coordination d'un gestionnaire. Ajoutez de la mémoire pour conserver le contexte entre les interactions, déboguez le comportement des agents à l'aide de traces d'exécution et d'étapes de raisonnement, et mettez en place des stratégies de validation robustes pour garantir des réponses fiables et de haute qualité.

Exercise 1: Introduction aux systèmes multiagents Exercise 2: Diviser pour régner : créer des agents spécialistes Exercise 3: Faites connaissance avec l'équipe : coordination des agents Exercise 4: Gérer la mémoire de l'agent Exercise 5: À ne pas oublier : conserver la mémoire entre les appels Exercise 6: Tracer l'exécution du code de l'agent

Exercice en cours

Exercise 7: Validation de la réponse finale de l'agent Exercise 8: Dites-en plus, agent : imposer une longueur de réponse Exercise 9: Des agents plus futés : valider et réessayer Exercise 10: Félicitations !