代理 (Agents) 系统

代理类型与选择

LangChain 4J 提供了多种类型的代理，适用于不同的应用场景：

基本代理

基本代理使用语言模型来决策和执行任务：

import dev.langchain4j.agent.Agent;
import dev.langchain4j.agent.tool.Tool;
import dev.langchain4j.model.openai.OpenAiChatModel;

// 创建模型
OpenAiChatModel model = OpenAiChatModel.builder()
        .apiKey(System.getenv("OPENAI_API_KEY"))
        .build();

// 创建工具
Tool searchTool = Tool.builder()
        .name("search")
        .description("用于搜索网络信息")
        .function(input -> searchWeb(input))
        .build();

Tool calculatorTool = Tool.builder()
        .name("calculator")
        .description("用于执行数学计算")
        .function(input -> calculate(input))
        .build();

// 创建代理
Agent agent = Agent.builder()
        .model(model)
        .tools(Arrays.asList(searchTool, calculatorTool))
        .build();

// 执行任务
String response = agent.execute("北京今天的天气怎么样？");
System.out.println(response);

计划与执行代理

计划与执行代理先制定计划，然后执行计划：

import dev.langchain4j.agent.planning.PlanningAgent;

// 创建计划与执行代理
PlanningAgent agent = PlanningAgent.builder()
        .model(model)
        .tools(Arrays.asList(searchTool, calculatorTool))
        .build();

// 执行任务
String response = agent.execute("计算 123456789 的平方根，然后搜索相关的数学概念");
System.out.println(response);

反射代理

反射代理会反思自己的决策和执行过程，以提高性能：

import dev.langchain4j.agent.reflecting.ReflectingAgent;

// 创建反射代理
ReflectingAgent agent = ReflectingAgent.builder()
        .model(model)
        .tools(Arrays.asList(searchTool, calculatorTool))
        .build();

// 执行任务
String response = agent.execute("解释量子计算的基本原理，并提供一个简单的例子");
System.out.println(response);

工具 (Tools) 开发

工具是代理可以使用的功能，您可以创建自定义工具：

基本工具

import dev.langchain4j.agent.tool.Tool;

// 创建搜索工具
Tool searchTool = Tool.builder()
        .name("search")
        .description("用于搜索网络信息，输入是搜索查询")
        .function(input -> {
            // 实现搜索逻辑
            return "搜索结果：...";
        })
        .build();

// 创建计算器工具
Tool calculatorTool = Tool.builder()
        .name("calculator")
        .description("用于执行数学计算，输入是数学表达式")
        .function(input -> {
            // 实现计算逻辑
            return "计算结果：...";
        })
        .build();

结构化工具

使用结构化输入和输出：

import dev.langchain4j.agent.tool.Tool;
import dev.langchain4j.agent.tool.Parameter;

// 创建结构化工具
Tool weatherTool = Tool.builder()
        .name("get_weather")
        .description("获取指定城市的天气信息")
        .parameters(
                Parameter.builder()
                        .name("city")
                        .description("城市名称")
                        .type(String.class)
                        .required(true)
                        .build(),
                Parameter.builder()
                        .name("days")
                        .description("预测天数")
                        .type(Integer.class)
                        .required(false)
                        .build()
        )
        .function(input -> {
            String city = (String) input.get("city");
            Integer days = (Integer) input.getOrDefault("days", 1);
            // 实现天气查询逻辑
            return "天气信息：...";
        })
        .build();

代理执行流程

代理的执行流程通常包括以下步骤：

1. 接收任务：接收用户的任务或问题
2. 分析任务：分析任务类型和需求
3. 制定计划：制定执行计划
4. 执行工具：调用相应的工具执行任务
5. 处理结果：处理工具执行结果
6. 生成响应：生成最终响应

执行流程示例

// 执行流程示例
String task = "北京今天的天气怎么样？";

// 1. 分析任务
String analysis = model.generate("分析以下任务需要使用什么工具：" + task);
System.out.println("任务分析：" + analysis);

// 2. 制定计划
String plan = model.generate("为完成任务制定计划：" + task);
System.out.println("执行计划：" + plan);

// 3. 执行工具
String weatherInfo = searchWeb("北京今天天气");
System.out.println("工具执行结果：" + weatherInfo);

// 4. 生成响应
String response = model.generate("根据以下信息回答问题：\n问题：" + task + "\n信息：" + weatherInfo);
System.out.println("最终响应：" + response);

代理评估与优化

评估和优化代理的性能是确保代理系统正常运行的重要环节：

评估指标

• 任务完成率：代理成功完成任务的比例
• 响应质量：代理响应的准确性和有用性
• 执行时间：代理执行任务的时间
• 工具使用效率：工具使用的合理性和效率
• 用户满意度：用户对代理响应的满意度

优化策略

1. 工具优化：

   • 提供更清晰的工具描述
   • 优化工具参数设计
   • 添加更多专用工具

2. 提示词优化：

   • 改进代理的系统提示词
   • 添加示例和指导
   • 明确任务要求和约束

3. 模型选择：

   • 根据任务复杂度选择合适的模型
   • 考虑模型的推理能力和响应速度

4. 执行策略优化：

   • 优化计划制定过程
   • 改进工具选择逻辑
   • 添加错误处理和重试机制

评估示例

// 评估代理性能
List<String> testTasks = Arrays.asList(
        "北京今天的天气怎么样？",
        "计算 123456789 的平方根",
        "搜索最新的人工智能研究进展"
);

int successCount = 0;
for (String task : testTasks) {
    String response = agent.execute(task);
    System.out.println("任务：" + task);
    System.out.println("响应：" + response);
    System.out.println();
    
    // 简单评估：检查响应是否包含相关信息
    if (response.contains("天气") || response.contains("计算结果") || response.contains("研究进展")) {
        successCount++;
    }
}

double successRate = (double) successCount / testTasks.size();
System.out.println("任务完成率：" + successRate);

最佳实践

1. 工具设计：

   • 工具描述要清晰明确
   • 工具功能要单一且专注
   • 提供适当的参数和返回值

2. 代理配置：

   • 根据任务需求选择合适的代理类型
   • 合理配置代理参数
   • 提供适当的系统提示词

3. 错误处理：

   • 添加工具执行错误处理
   • 实现代理执行超时处理
   • 提供友好的错误提示

4. 监控与日志：

   • 记录代理执行过程
   • 监控工具使用情况
   • 分析代理性能指标

5. 持续优化：

   • 收集用户反馈
   • 分析代理执行结果
   • 不断调整和优化代理配置

6. 安全考虑：

   • 限制工具的访问权限
   • 验证用户输入
   • 防止恶意使用工具