Notice
Recent Posts
Recent Comments
Link
반응형
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | |||
5 | 6 | 7 | 8 | 9 | 10 | 11 |
12 | 13 | 14 | 15 | 16 | 17 | 18 |
19 | 20 | 21 | 22 | 23 | 24 | 25 |
26 | 27 | 28 | 29 | 30 | 31 |
Tags
- conditional_edges
- tool_binding
- rl
- human-in-the-loop
- 강화학습의 수학적 기초와 알고리듬 이해
- removemessage
- Ai
- 강화학습의 수학적 기초와 알고리듬의 이해
- add_subgraph
- 밑바닥부터 시작하는 딥러닝
- LangChain
- 추천시스템
- RecSys
- langgraph
- subgraph
- chat_history
- 강화학습
- tool_calls
- pinecone
- REACT
- update_state
- conditional_edge
- 밑바닥부터시작하는딥러닝 #딥러닝 #머신러닝 #신경망
- langgrpah
- rag
- toolnode
- Python
- humannode
- summarize_chat_history
- lcel
Archives
- Today
- Total
반응형
목록agentexecutor (1)
반응형
타임트리
[LangChain] AgentExecutor와 ReAct
AgentExecutor는 While Loop! 랭체인이 제공하는 모듈인 에이전트는 일종의 동적 Chain으로 ReAct 기반 프롬프트로부터 action을 정하고 tool을 활용하며 상호작용할 수 있도록 한다. 예를 들어, 주어진 문자열의 길이를 반환하는 함수를 Tool로 사용하는 Agent를 만들고, 수행하면 다음과 같다.# zero-shot ReAct Agent example@tooldef get_text_length(text: str) -> int: """주어진 문자열의 길이를 반환하는 함수""" text = text.strip("'\n") return len(text)if __name__ == "__main__": llm = ChatOpenAI() prompt = hu..
LLM/LangChain
2024. 6. 12. 02:53