代理类型 agent_types

LangChain

行动代理

代理使用 LLM 确定采取哪些行动以及顺序。行动可以是使用工具并观察其输出，或向用户返回响应。以下是 LangChain 中可用的代理。

此代理使用 ReAct 框架确定使用哪个工具仅基于工具的描述。可以提供任意数量的工具。此代理要求为每个工具提供描述。

注意：这是最通用的行动代理。

结构化工具聊天代理能够使用多个输入工具。旧的代理配置为将行动输入指定为单个字符串，但此代理可以使用工具的参数模式创建结构化行动输入。这对于更复杂的工具使用很有用，例如精确导航浏览器。

特定的 OpenAI 模型（如 gpt-3.5-turbo-0613 和 gpt-4-0613）已被明确微调，以检测何时应调用函数，并响应应该传递给函数的输入。 OpenAI 函数代理旨在与这些模型配合使用。

此代理旨在用于对话环境。提示旨在使代理有帮助性和对话性。它使用 ReAct 框架决定使用哪个工具，并使用内存记住先前的对话交互。

此代理利用一个名为 Intermediate Answer 的单个工具。此工具应该能够查找问题的事实性答案。此代理等同于原始的 self ask with search paper，其中提供了一个 Google 搜索 API 作为工具。

此代理使用 ReAct 框架与文档存储进行交互。必须提供两个工具：一个 Search 工具和一个 Lookup 工具（必须准确命名）。 Search 工具应搜索文档，而 Lookup 工具应在最近找到的文档中查找术语。此代理等同于原始的 ReAct 论文，特别是维基百科示例。

计划和执行代理通过首先规划要做什么，然后执行子任务来实现目标。这个想法主要受到 BabyAGI 的启发，然后是 "计划与解决" 论文。