单纯从消息交互的角度来看待Agent中的model节点，可以看出它旨在利用提供两种类型的响应：
- 在需要调用一个或者多个工具情况下，利用返回针对工具调用意图的描述；
- 做出最终的答复。
我们可以利用一个假的模型组件来验证这一点。在前面演示的实例中，我们使用的是作为Agent的模型组件，接下来我们将它替换成如下这个。它继承自，并且实现了和重写了三个必要的成员（关于的详细介绍，可以参考我的文章“Completion模型和Chat模型”）。
GPT plus 代充 只需 145
实现的属性旨在返回语言模型的类型。当我们指定工具创建Agent的时候，工具列表会通过调用方法绑定到模型上，所以我们需要重写此方法。自然没有推理能力，它实现的方法只能按照假定的流程生成返回的对象：
- 对于第一次调用，它将创建一个对象来描述针对工具的调用，并封装到返回的中，最终利用此消息生成对象创建返回的。
- 对于第二次调用（最后一条消息为），生成的直接包含最终的答复。
我们调用Agent的方法，并从结果中提取消息历史，依然可以得到与前面实例类似的结果。
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容，请联系我们，一经查实，本站将立刻删除。
如需转载请保留出处：https://51itzy.com/kjqy/238778.html