langchain 代理 1 | 豆包MarsCode AI刷题

• LangChain中的代理：是一个多功能接口，能接触并使用一套工具，根据用户输入决定调用哪些工具，可将一个工具的输出作为另一个工具的输入，通过Agent类将ReAct框架进行封装实现，赋予大模型极大自主性，使其能从仅靠内部知识对话聊天的Bot变为能使用工具的智能代理。
• 思维链（CoT）局限：虽能让LLMs执行推理轨迹完成一些推理问题，但模型因缺乏与外部世界接触、无法更新知识，会出现事实幻觉。
• ReAct框架：灵感源于人类“行动”和“推理”的协同作用，引导模型生成任务解决轨迹，即观察-思考-行动（简化为推理-行动）。在推理阶段，对环境和状态观察并生成推理轨迹，可诱导、跟踪和更新操作计划及处理异常情况；在行动阶段，采取与外部源交互收集信息或给出最终答案等行动。每一步推理过程详细记录，改善大模型解决问题的可解释性和可信度。将ReAct框架与思维链（CoT）结合使用，能让大模型在推理时兼顾内部知识和外部信息，给出更可靠回应。
• 通过代理实现ReAct框架示例：以ZERO_SHOT_REACT_DESCRIPTION类型代理为例，完成查询玫瑰花当前市场价格并计算加价15%后的新价格任务，展示了智能代理如何形成思考与行动链条完成任务。

思考题

• 推理和行动各自代表什么及相互关系：
  • 推理：在ReAct框架中，推理包括对当前环境和状态的观察，并生成推理轨迹。它能让模型诱导、跟踪和更新操作计划，甚至处理异常情况，涵盖了对任务相关信息的分析、思考以及规划下一步行动的过程，像观察市场上玫瑰花价格相关情况并思考后续计算步骤等。
  • 行动：在于指导大模型采取下一步的行动，比如与外部源（如知识库或环境）进行交互并且收集信息，或者给出最终答案，例如通过搜索引擎查询玫瑰花价格、用计算器计算加价后的价格等具体操作。
  • 相互关系：推理和行动是紧密相连的，推理为行动提供指导和规划，基于对环境和状态的观察及思考确定需要采取的行动；行动则是推理的具体实践，通过实际操作获取新信息或得出最终结果，进一步反馈到推理过程中，帮助更新操作计划等，二者协同完成任务。
• ReAct框架能改善大模型解决问题时的可解释性和可信度的原因：因为ReAct框架的每一个推理过程都会被详细记录在案，用户可以清晰看到模型在解决问题过程中是如何观察环境、进行思考以及采取行动的，不再是一个黑箱式的输出结果，所以能够清楚了解模型得出答案的逻辑和步骤，从而改善了大模型解决问题时的可解释性和可信度。
• LangChain中的代理和链的核心差异：
  • 代理：是一个能自主决定调用哪些外部工具、管理整个交互过程流程的多功能接口，它以ReAct框架为驱动力，可根据任务需求灵活调用如数据清洗工具、搜索引擎、应用程序等外部工具，通过思考、观察、行动的链条来完成任务，赋予大模型自主性。
  • 链：这里可能指思维链（CoT），它主要是让LLMs执行推理轨迹来完成一些任务，侧重于利用模型内部知识进行推理，缺乏与外部世界主动交互获取信息及自主调用工具的能力，在面对超出模型知识范围的问题时易出现事实幻觉等问题，而不像代理那样能通过调用外部工具解决这些局限。