`langchain.agents.react.base`.ReActTextWorldAgent¶

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

基础： ReActDocstoreAgent

自版本 0.1.0 已弃用。

ReAct 文本世界链的代理。

通过解析和验证键值参数的输入数据来创建一个新的模型。

如果输入数据无法解析成有效的模型，则引发 ValidationError。

paramallowed_tools:Optional[List[str]]=None¶: 代理允许使用的工具。如果没有设置，则允许所有工具。

paramllm_chain:[Required]¶: 为代理使用的 LLMChain。

paramoutput_parser:[Optional]¶: 用于代理的输出解析器。

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

异步给定输入，决定要做什么。

参数

intermediate_steps (List[Tuple[AgentAction, str]]) – 目前LLM所采取的步骤及观察结果。
callbacks (Optional[Union[List[BaseCallbackHandler], BaseCallbackManager]]) – 要运行的回调。
**kwargs (Any) – 用户输入。

返回

指定使用哪个工具的操作。

返回类型

Union[AgentAction, AgentFinish]

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

返回默认提示。

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

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

从LLM和工具构造代理。

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 (可选[(AgentOutputParser)]) – 要使用的输出解析器。

kwargs (任何类型) – 其他参数。

返回

代理对象。

返回类型

代理

get_allowed_tools() → 可选[(str,)]¶

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

从中间步骤创建LLMChain的完整输入。

参数

intermediate_steps (List[Tuple[AgentAction, str]]) – 目前LLM所采取的步骤及观察结果。
**kwargs (Any) – 用户输入。

返回

LLMChain的完整输入。

返回类型

Dict[str, Any]

plan(intermediate_steps: List[(langchain_core.agents.AgentAction, str)]], callbacks: 可选[(List[langchain_core.callbacks.base.BaseCallbackHandler], langchain_core.callbacks.base.BaseCallbackManager)]], **kwargs: Any) → Union[(langchain_core.agents.AgentAction, langchain_core.agents.AgentFinish)]]¶

根据输入决定要做的事情。

参数

intermediate_steps (List[Tuple[AgentAction, str]]) – 目前LLM所采取的步骤及观察结果。
callbacks (Optional[Union[List[BaseCallbackHandler], BaseCallbackManager]]) – 要运行的回调。
**kwargs (Any) – 用户输入。

返回

指定使用哪个工具的操作。

返回类型

Union[AgentAction, AgentFinish]

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

当智能体由于最大迭代次数而停止时，返回响应。

参数

early_stopping_method (str) – 用于早停的方法。
intermediate_steps (List[Tuple[AgentAction, str]]) – 目前LLM所采取的步骤及观察结果。
**kwargs (Any) – 用户输入。

返回

智能体完成对象。

返回类型

AgentFinish

抛出

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]) – 保存智能体的文件路径。
返回类型: None

示例: .. code-block:: python

# 如果与智能体执行器一起工作 agent.agent.save(file_path="path/agent.yaml")

tool_run_logging_kwargs() → Dict¶

返回工具运行的日志关键字。

返回类型: 字典

property llm_prefix: str¶: 附加到 LLM 调用的前缀。

property observation_prefix: str¶: 附加到观察值的前缀。

property return_values: List[str]¶: 智能体的返回值。

langchain.agents.react.base.ReActTextWorldAgent¶

`langchain.agents.react.base`.ReActTextWorldAgent¶