1. Nauka
    2. /
  2. Kursy
    3. /
  3. Projektowanie systemów agentowych z LangChain
Connected

ćwiczenie

Tworzenie funkcji zwracającej odpowiedź modelu LLM

Twój chatbot ma teraz do dyspozycji wiele narzędzi. Mimo to przydatne jest samodzielne wywoływanie modelu LLM, gdy pytanie nie jest związane z żadnym z dodanych narzędzi. Teraz zdefiniujesz funkcję, która sprawdza ostatnią wiadomość w rozmowie pod kątem potencjalnych wywołań narzędzi. Jeśli żadne nie są dostępne, chatbot po prostu użyje modelu LLM, aby udzielić odpowiedzi. Aby obsługiwać zarówno zapytania użytkownika, jak i odpowiedzi chatbota, zaimportowano dla ciebie następujące moduły do obsługi różnych typów wiadomości.

from langchain_core.messages import AIMessage, HumanMessage

Instrukcje

100 XP
  • Pobierz ostatnią wiadomość ze state za pomocą klucza "messages".
  • Napisz instrukcję warunkową sprawdzającą, czy last_message jest instancją AIMessage oraz czy ta wiadomość zawiera tool_calls.
  • Jeśli warunek jest spełniony, zwróć pierwszą wartość "response" z tool_calls pobraną z last_message w polu content obiektu AIMessage.
  • Jeśli warunek nie jest spełniony, wywołaj .invoke() na model_with_tools, aby wygenerować odpowiedź, przekazując pełną historię rozmowy z state["messages"].