AI智能体（Agent）大模型入门【13】--智能体入门

def deepseek():
    return LLM(
        model="deepseek/deepseek-chat",
        api_key = '你的deepseek秘钥',
        api_base = 'https://api.deepseek.com/v1',
        model_kwargs = {"llm_provider": "deepseek"}
    )

然后就是智能体设定，设定一个，或者多个都是ok的，具体根据项目来

re_agent = Agent(
    role = "检索相关信息以回答⽤户查询: {query}",
    goal = "从可⽤资源中检索与⽤户查询最相关的信息: {query}，始终优先使⽤pdf搜索⼯具，如果⽆法从pdf搜索⼯具中检索到信息，则尝试使⽤⽹络搜索⼯具。",
    backstory = "你是⼀位细致⼊微的分析师，以敏锐的洞察⼒著称。你以理解⽤户查询: {query} 并从最合适的知识库中检索信息的能⼒⽽闻名。",
    llm = deepseek(),
    verbose=True
)

rp_agent = Agent(
    role = "为用户查询生成最终响应: {query}",
    goal = "根据⽤户查询: {query} 将检索到的信息综合成简洁连贯的响应。如果⽆法检索到信息，则回应“抱歉，我找不到您要的信息。",
    backstory = "你是⼀位熟练的沟通者，擅⻓将复杂的信息转化为清晰简洁的回应。",
    llm = deepseek(),
    verbose=True
)

然后就是任务设置

retrieval_task =Task(
    description="从可⽤资源中检索与⽤户查询最相关的信息: {query}",
    expected_output="以⽂本形式从资源中检索到的最相关信息。",
    agent=re_agent,
)

response_task = Task(
    description="为⽤户查询合成最终响应: {query}",
    expected_output="基于从正确来源检索到的信息，为⽤户查询: {query} 提供简洁连贯的响应。如果⽆法检索到信息，则回应“抱歉，我找不到您要的信息。",
    agent=rp_agent,
)

最后就是crew设置，设置这个是为了运行启动智能体来进行任务操作

crew = Crew(
    agent = [re_agent, rp_agent],
    tasks=[retrieval_task, response_task],
    verbose=True
)

然后就是启动设置

crew_output = crew.kickoff(inputs={"query": "⼤模型如何提⾼编程的效率？"})
print(crew_output)