-
Notifications
You must be signed in to change notification settings - Fork 116
New issue
Have a question about this project? Sign up for a free GitHub account to open an issue and contact its maintainers and the community.
By clicking “Sign up for GitHub”, you agree to our terms of service and privacy statement. We’ll occasionally send you account related emails.
Already on GitHub? Sign in to your account
咨询下,agently对比langchain,最大的优势和亮点是什么 #96
Comments
还是可以补充一些说明: 对于同样是请模型以结构化数据的格式输出一个笑话的实现代码,通过对比能更明显地看出二者的差别:
from langchain.output_parsers.openai_tools import PydanticToolsParser
class Joke(BaseModel):
"""Joke to tell user."""
setup: str = Field(description="question to set up a joke")
punchline: str = Field(description="answer to resolve the joke")
# You can add custom validation logic easily with Pydantic.
@validator("setup")
def question_ends_with_question_mark(cls, field):
if field[-1] != "?":
raise ValueError("Badly formed question!")
return field
parser = PydanticToolsParser(tools=[Joke])
model = ChatOpenAI(model="gpt-3.5-turbo", temperature=0).bind_tools([Joke])
chain = prompt | model | parser
chain.invoke({"input": "tell me a joke"})
import Agently
agent = (
Agently.create_agent()
.set_settings("current_model", "OpenAI")
.set_settings("model.OpenAI.auth.api_key", "xxxxxx")
.set_settings(
"model.OpenAI.options",
{
"model": "gpt-3.5-turbo",
"temperature": 0,
}
)
)
result = (
agent
.input("tell me a joke")
.output({
"setup": ("str", "question to set up a joke"),
"punchline": ("str", "answer to resolve the joke"),
})
.start()
)
print(result)
|
workflow 初看的时候眼前一亮,但实际体验的关联出参入参还是挺心累,不知道是不是我的打开方式不对。 @Maplemx |
不是,我们很快就会发布新的版本,优化了workflow的数据传递逻辑,你的感觉是对的,我们已经调整了 |
这两天也体验了一下metagpt 微软的autogpt 和 langgraph,整体感觉还是agently用起来会比较顺手【写代码的时候思路会更顺畅,祝做大做强!】。 |
另外,多agent自动交互这块感觉可能是agently比较欠缺的, @Maplemx 后续有啥规划吗? |
多Agent自动交互其实可以通过workflow和Agent之间的请求连接自主构建,你可以这样理解: 找到特定场景的Agent自动交互方法,是AI应用的一种最终形态(但不是唯一形态) 我们提供了由Agent代理工程师对模型的请求(点),可以承载Agent请求以及其他程序逻辑的Workflow Chunk(块),再支持将多个Workflow Chunk连接成单向有序可成环状的运行流(网),并在运行流中支持通过外部配置文件影响部分块的执行效果(分层),形成了对AI应用的基础框架架构。 多Agent自动交互可以在这个基础架构中,使用总控路由、Agent自发轮询、工作流事件触发等多种不同设计思路去完成设计。 我们之前也做过一些小型的样例,可以参考: 飞桨合作项目:https://aistudio.baidu.com/projectdetail/7178289 的第4部分 角色创作Agent和角色扮演Agent的单次信息交互:https://github.com/Maplemx/Agently/blob/main/playground/character_change_behaviours_according_mood_status.ipynb |
3.3新版本已经发布,修订了workflow的数据传递逻辑,相关的开发手册正在撰写中 |
|
No description provided.
The text was updated successfully, but these errors were encountered: