`langchain.agents.react.base`.ReActDocstoreAgent¶

class langchain.agents.react.base.ReActDocstoreAgent[source]¶

基础：Agent

从版本0.1.0开始已弃用。

ReAct链的代理。

通过解析和验证关键字参数中的输入数据来创建一个新的模型。

如果输入数据无法解析为有效的模型，将引发ValidationError。

参数 allowed_tools: Optional[List[str]]] = None¶: 代理允许的工具。如果为None，则允许所有工具。

参数 llm_chain: LLMChain [必需]¶: 代理使用的LLMChain。

参数 output_parser: AgentOutputParser [可选]¶: 代理使用的输出解析器。

async aplan(intermediate_steps: List[Tuple[AgentAction, str]], callbacks: Optional[Union[List[BaseCallbackHandler], BaseCallbackManager]] = None, **kwargs: Any) → Union[AgentAction, AgentFinish]¶

基于异步输入，决定要做什么。

参数

intermediate_steps (列表[二元组[AgentAction, 字符串]]) – LLM 目前所采取的步骤以及观察数据。
callbacks (可选[联合[列表[BaseCallbackHandler], BaseCallbackManager]]) – 要运行的回调函数。
**kwargs (任意类型) – 用户输入。

返回

指定使用什么工具的动作。

返回类型

联合[AgentAction, AgentFinish]

classmethod create_prompt(tools: 序列[BaseTool]) → BasePromptTemplate[source]¶

返回默认提示。

参数: tools (序列[BaseTool]) –
返回类型: BasePromptTemplate

类方法 from_llm_and_tools(llm: BaseLanguageModel, tools: Sequence[BaseTool], callback_manager: Optional[BaseCallbackManager] = None, output_parser: Optional[AgentOutputParser] = None, **kwargs: Any) → Agent¶

使用LLM和工具构建一个代理。

参数

llm (BaseLanguageModel) – 要使用的语言模型。
tools (Sequence[BaseTool]) – 要使用的工具。
callback_manager (Optional[BaseCallbackManager]) – 要使用的回调管理器。
output_parser (Optional[AgentOutputParser]) – 要使用的输出解析器。
kwargs (Any) – 额外参数。

返回

代理对象。

返回类型

代理

get_allowed_tools() → Optional[List[str]]¶

获取允许的工具。

返回类型: Optional[List[str]]

get_full_inputs(intermediate_steps: List[Tuple[AgentAction, str]], **kwargs: Any) → Dict[str, Any]¶

根据中间步骤创建LLMChain的完整输入。

参数

intermediate_steps (列表[二元组[AgentAction, 字符串]]) – LLM 目前所采取的步骤以及观察数据。
**kwargs (任意类型) – 用户输入。

返回

LLMChain的完整输入。

返回类型

Dict[str, Any]

plan(intermediate_steps: List[Tuple[AgentAction, str]], callbacks: Optional[Union[List[BaseCallbackHandler], BaseCallbackManager]] = None, **kwargs: Any) → Union[AgentAction, AgentFinish]¶

给定输入，决定要做什么。

参数

intermediate_steps (列表[二元组[AgentAction, 字符串]]) – LLM 目前所采取的步骤以及观察数据。
callbacks (可选[联合[列表[BaseCallbackHandler], BaseCallbackManager]]) – 要运行的回调函数。
**kwargs (任意类型) – 用户输入。

返回

指定使用什么工具的动作。

返回类型

联合[AgentAction, AgentFinish]

return_stopped_response(early_stopping_method: str, intermediate_steps: List[Tuple[AgentAction, str]], **kwargs: Any) → AgentFinish¶

当智能体因最大迭代次数而停止时，返回响应。

参数

early_stopping_method (str) – 用于早期停止的方法。
intermediate_steps (列表[二元组[AgentAction, 字符串]]) – LLM 目前所采取的步骤以及观察数据。
**kwargs (任意类型) – 用户输入。

返回

智能体完成对象。

返回类型

AgentFinish

引发异常

ValueError – 如果 early_stopping_method 不在 [‘force’，‘generate’] 中。

save(file_path: Union[Path, str]) → None¶

保存智能体。

参数: file_path (Union[Path, str]) – 要保存智能体的文件路径。
返回类型: None

示例：.. code-block:: python

# 使用智能体执行器时，agent.agent.save(file_path="path/agent.yaml")

tool_run_logging_kwargs() → Dict¶

返回工具运行的日志 kwargs。

返回类型: Dict

属性 llm_prefix: str¶: 将 LLM 调用附加的前缀。

属性 observation_prefix: str¶: 将观测值附加的前缀。

属性 return_values: List[str]¶: 返回智能体的值。

langchain.agents.react.base.ReActDocstoreAgent¶

`langchain.agents.react.base`.ReActDocstoreAgent¶