Rastreando a execução de código do agente

Você preservou a memória no seu agente assistente de viagens, e ele lembrou com sucesso do seu número de confirmação do voo. Agora, você está curioso para saber como ele calculou ou armazenou essa informação.

Para descobrir, você vai inspecionar todo o código que o agente executou nas duas etapas usando sua memória integrada.

Este exercício faz parte do curso

Agentes de IA com Hugging Face smolagents

Ver curso

Instruções do exercício

Chame o método .return_full_code() na memória do agente para recuperar todo o código executado.
Imprima o código retornado para ver tudo o que o agente executou durante a sessão.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

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

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

Editar e executar o código

Este exercício faz parte do curso

Agentes de IA com Hugging Face smolagents

AvançadoNível de habilidade

4.9+

134 reviews

Iniciar curso de graça

Descubra o que torna os code agents especiais e como eles usam Python para raciocinar e agir. Crie seu primeiro agente com o smolagents, adicione ferramentas nativas e da comunidade para acesso à web e crie ferramentas personalizadas para conectar agentes a dados.

Exercise 1: Introdução ao Hugging Face smolagents Exercise 2: Deixe o agente fazer as contas: insights sobre despesas Exercise 3: Ué, você não escreveu nenhuma função?Exercise 4: Criando um agente com ferramentas Exercise 5: Escrevendo código por meio de prompts: Juros compostos Exercise 6: Permita que agentes pesquisem na web Exercise 7: Criando um agente com ferramentas personalizadas Exercise 8: Só adicionar @tool: criando uma ferramenta personalizada Exercise 9: A conta, por favor! Dando acesso dos agentes aos dados Exercise 10: Um prompt, várias ferramentas

Transforme sua pipeline de RAG tradicional em um sistema agentic que recupera informações de forma iterativa e raciocina em múltiplas etapas. Construa ferramentas com estado para dar suporte a recuperações avançadas, guie agentes com intervalos de planejamento para melhorar os resultados e use callbacks para acompanhar e personalizar o comportamento do agente em tempo de execução.

Exercise 1: Revisão de RAG Exercise 2: RAG em Ordem: Dos Manuais às Respostas Exercise 3: Então, o que realmente acontece no RAG?Exercise 4: A etapa que adiciona significado Exercise 5: Introdução ao Agentic RAG Exercise 6: Com estado por design: construa uma ferramenta de busca RAG Exercise 7: Conecte a ferramenta e desbloqueie o Agentic RAG Exercise 8: Trabalhando com agentes de múltiplas etapas Exercise 9: Acompanhe os passos do agente, monitore a ação Exercise 10: Hora do jogo: execute o agente completo

Enfrente fluxos de trabalho complexos orquestrando equipes de agentes especializados sob a coordenação de um gerente. Adicione memória para manter o contexto entre interações, depure o comportamento do agente usando rastros de execução e etapas de raciocínio e implemente estratégias robustas de validação para garantir respostas confiáveis e de alta qualidade.

Exercise 1: Introdução a sistemas multiagentes Exercise 2: Dividir para conquistar: criando agentes especialistas Exercise 3: Conheça a equipe: coordenação de agentes Exercise 4: Gerenciando a memória do agente Exercise 5: Não Esqueça: Mantendo a Memória Entre Chamadas Exercise 6: Rastreando a execução de código do agente

Exercício atual

Exercise 7: Validação da Resposta Final do Agente Exercise 8: Diga Mais, Agente: Impor Comprimento das Respostas Exercise 9: Agentes mais inteligentes: validar e tentar novamente Exercise 10: Parabéns!