LangChain ：构建个人AI代理从这里开始

LangChain，一个强大的工具，允许根据用户输入创建对语言模型和其他工具的复杂调用链。就像拥有一个私人助理，可以根据手头的任务做出决定。本文来分享一下在 LangChain 中使用 Agents 的心路历程。

LangChain中代理的概念

在 LangChain 中，代理是一个组件，可以访问一套工具，并可以根据用户的输入决定使用哪个工具。有两种主要类型的代理：行为代理 Action Agents 和 计划和执行代理 Plan-and-Execute Agents。

• 行为代理 Action Agents 决定采取的动作并一次一步地执行该动作。它们更传统，适用于小型任务。

• 计划和执行代理 Plan-and-Execute Agents 首先决定要采取的行动计划，然后一次执行这些行动。它们非常适合更复杂或长期运行的任务，因为初始规划步骤有助于保持长期目标和重点。然而，这伴随着更多调用和更高延迟的权衡。

Agent剖析

LangChain 中的代理由几个关键组件组成：

1. 代理：这是应用程序逻辑所在的地方。它接受用户输入以及代理已采取的先前步骤的列表，并返回 AgentAction 或 AgentFinish。
2. 工具：这些是代理可以采取的行动。为代理提供的工具在很大程度上取决于希望代理做什么。
3. 工具包：这些是为特定用例设计的工具组。
4. 代理执行器：这包装了一个代理和一系列工具。它负责迭代地运行代理，直到满足停止条件。