„Transformers Agents 2.0“-ის (ახლა უკვე smolagents!) გამოშვება! 🎁 ჩვენი არსებული აგენტის ტიპის გარდა, წარმოგიდგენთ ორ ახალ აგენტს, რომლებსაც შეუძლიათ წარსული დაკვირვებების საფუძველზე იტერაცია მოახდინონ რთული ამოცანების გადასაჭრელად. 💡 ჩვენი მიზანია, კოდი იყოს ნათელი და მოდულარული, ხოლო ისეთი საერთო ატრიბუტები, როგორიცაა საბოლოო მოთხოვნა და ხელსაწყოები, გამჭვირვალე იყოს. 🤝 ვამატებთ გაზიარების ოფციებს საზოგადოების აგენტების ხელშესაწყობად. 💪 წარმოუდგენლად ეფექტური ახალი აგენტის ჩარჩო, რომელიც Llama-3-70B-Instruct აგენტს საშუალებას აძლევს, GAIA ლიდერბორდზე აჯობოს GPT-4-ზე დაფუძნებულ აგენტებს! 🚀 სცადეთ და ავიდეთ კიდევ უფრო მაღლა GAIA ლიდერბორდზე! transformers.agents ახლა განახლდა დამოუკიდებელ ბიბლიოთეკა smolagents-ად! ორ ბიბლიოთეკას ძალიან მსგავსი API-ები აქვს, ამიტომ გადართვა მარტივია. გაეცანით smolagents-ის შესავალ ბლოგს აქ. დიდ ენობრივ მოდელებს (LLMs) შეუძლიათ მრავალი ამოცანის შესრულება, მაგრამ ხშირად უჭირთ სპეციფიკური ამოცანები, როგორიცაა ლოგიკა, გათვლა და ძიება. როდესაც მათ ამ სფეროებში მიმართავენ, სადაც ისინი კარგად არ მუშაობენ, ხშირად ვერ ახერხებენ სწორი პასუხის გენერირებას. ამ სისუსტის დასაძლევად ერთ-ერთი მიდგომაა აგენტის შექმნა, რომელიც LLM-ის მიერ მართული პროგრამაა. აგენტი აღჭურვილია ხელსაწყოებით, რომლებიც მას მოქმედებების შესრულებაში ეხმარება. როდესაც აგენტს კონკრეტული პრობლემის გადასაჭრელად სპეციფიკური უნარი სჭირდება, ის თავისი ხელსაწყოების ნაკრებიდან შესაბამის ხელსაწყოს ეყრდნობა. ამრიგად, პრობლემის გადაჭრისას აგენტს თუ დასჭირდება სპეციფიკური უნარი, მას შეუძლია დაეყრდნოს შესაბამის ხელსაწყოს თავისი ხელსაწყოების ნაკრებიდან. ექსპერიმენტულად, აგენტური ჩარჩოები, როგორც წესი, ძალიან კარგად მუშაობს და რამდენიმე ბენჩმარკზე უახლეს შედეგებს აღწევს. მაგალითად, გადახედეთ HumanEval-ის საუკეთესო წარდგენებს: ისინი აგენტური სისტემებია. აგენტური სამუშაო პროცესების შექმნა რთულია, და ჩვენ ვგრძნობთ, რომ ამ სისტემებს სჭირდებათ ბევრი სიცხადე და მოდულარულობა. ჩვენ Transformers Agents ერთი წლის წინ გამოვუშვით და ახლა ჩვენს ძირითად დიზაინის მიზნებს ვამკაცრებთ. ჩვენი ჩარჩო მიისწრაფვის სიცხადისა და მოდულარობისკენ. ამასთან ერთად, გვაქვს გაზიარების ფუნქციები, რომლებიც საშუალებას გაძლევთ, „გიგანტების მხრებზე დადგომით“ შექმნათ ახალი რაღაცები! გაეცანით დოკუმენტაციას, რათა ისწავლოთ თითოეული კომპონენტის გამოყენება! როგორ მუშაობენ აგენტები შიგნიდან? არსებითად, რასაც აგენტი აკეთებს, არის „LLM-ისთვის ხელსაწყოების გამოყენების ნებართვა“. აგენტებს აქვთ ძირითადი agent.run() მეთოდი, რომელიც მათ ფუნქციონირებას უზრუნველყოფს. აგენტების შესახებ უფრო ზოგადი კონტექსტისთვის შეგიძლიათ წაიკითხოთ ლილიან ვენგის ეს შესანიშნავი ბლოგ-პოსტი ან ჩვენი ადრინდელი ბლოგ-პოსტი LangChain-ით აგენტების შექმნის შესახებ. ჩვენს პაკეტში უფრო ღრმად ჩასაწვდომად, გაეცანით აგენტების დოკუმენტაციას. ამ ფუნქციის ადრეული წვდომის მისაღებად, გთხოვთ, ჯერ დააინსტალიროთ transformers მისი ძირითადი ფილიალიდან: Agents 2.0 გამოვა v4.41.0 ვერსიაში, მაისის შუა რიცხვებში. მოკლე განმარტება: Retrieval-Augmented-Generation (RAG) არის „LLM-ის გამოყენება მომხმარებლის მოთხოვნაზე პასუხის გასაცემად, მაგრამ პასუხის დაფუძნება ცოდნის ბაზიდან მოძიებულ ინფორმაციაზე“. მას ბევრი უპირატესობა აქვს ჩვეულებრივი ან დახვეწილი LLM-ის გამოყენებასთან შედარებით: მაგალითად, ის საშუალებას აძლევს პასუხი დააფუძნოს რეალურ ფაქტებზე და შეამციროს კონფაბულაციები, აწვდის LLM-ს დომენ-სპეციფიკურ ცოდნას და საშუალებას აძლევს ცოდნის ბაზიდან ინფორმაციაზე წვდომის დეტალურ კონტროლს. დავუშვათ, გვინდა RAG-ის შესრულება და ზოგიერთი პარამეტრი დინამიურად უნდა გენერირდეს. მაგალითად, მომხმარებლის მოთხოვნიდან გამომდინარე, შეიძლება გვინდოდეს ძიების შეზღუდვა ცოდნის ბაზის სპეციფიკურ ქვესიმრავლეებზე, ან გვინდოდეს მოძიებული დოკუმენტების რაოდენობის რეგულირება. სირთულე მდგომარეობს იმაში: როგორ მოვარგოთ ეს პარამეტრები დინამიურად მომხმარებლის მოთხოვნის მიხედვით? ჩვენ შეგვიძლია ამის გაკეთება ჩვენს აგენტს ამ პარამეტრებზე წვდომის მიცემით! მოდით, დავაყენოთ ეს სისტემა. გაუშვით ქვემოთ მოცემული ხაზი საჭირო დამოკიდებულებების დასაინსტალირებლად: ჯერ ვტვირთავთ ცოდნის ბაზას, რომელზეც გვსურს RAG-ის შესრულება: ეს მონაცემთა ნაკრები არის Hugging Face-ის მრავალი პაკეტის დოკუმენტაციის გვერდების კომპილაცია, შენახული markdown ფორმატში. ახლა ვამზადებთ ცოდნის ბაზას მონაცემთა ნაკრების დამუშავებით და მისი ვექტორულ მონაცემთა ბაზაში შენახვით, რათა გამოიყენოს მოძიებულმა. ჩვენ გამოვიყენებთ LangChain-ს, რადგან მას აქვს შესანიშნავი კომუნალური საშუალებები ვექტორული მონაცემთა ბაზებისთვის: ახლა, როდესაც მონაცემთა ბაზა მზად არის, ავაშენოთ RAG სისტემა, რომელიც მომხმარებლის მოთხოვნებს პასუხობს მის საფუძველზე! ჩვენ გვინდა, რომ ჩვენმა სისტემამ აირჩიოს ინფორმაციის მხოლოდ ყველაზე შესაბამისი წყაროები, მოთხოვნიდან გამომდინარე. ჩვენი დოკუმენტაციის გვერდები მომდინარეობს შემდეგი წყაროებიდან: როგორ შეგვიძლია შევარჩიოთ შესაბამისი წყაროები მომხმარებლის მოთხოვნის საფუძველზე? 👉 მოდით, ავაშენოთ ჩვენი RAG სისტემა, როგორც აგენტი, რომელსაც თავისუფლად შეუძლია აირჩიოს თავისი წყაროები! ჩვენ ვქმნით მოძიების ხელსაწყოს (retriever tool), რომელსაც აგენტს შეუძლია გამოიძახოს თავისი არჩეული პარამეტრებით: ახლა უკვე მარტივია აგენტის შექმნა, რომელიც ამ ხელსაწყოს იყენებს! აგენტს ინიციალიზაციისას დასჭირდება ეს არგუმენტები: ჩვენი llm_engine უნდა იყოს გამოძახებადი ობიექტი, რომელიც იღებს შეტყობინებების სიას და აბრუნებს ტექსტს. მან ასევე უნდა მიიღოს stop_sequences არგუმენტი, რომელიც მიუთითებს, როდის შეწყვიტოს გენერაცია. მოხერხებულობისთვის, ჩვენ პირდაპირ ვიყენებთ HfEngine კლასს, რომელიც პაკეტშია მოცემული, რათა მივიღოთ LLM ძრავა, რომელიც იძახებს ჩვენს Inference API-ს. მას შემდეგ, რაც აგენტი ReactJsonAgent-ად მოვახდინეთ ინიციალიზაცია, მას ავტომატურად მიენიჭა ნაგულისხმევი სისტემური მოთხოვნა.