书生大模型实战营3期 - 进阶岛 - 2 - Lagent 自定义你的 Agent 智能体

Lagent 自定义你的 Agent 智能体 Action,也称为工具,Lagent中集成了很多好用的工具,提供了一套LLM驱动的智能体用来与真实世界交互并执行复杂任务的函数,包括谷歌文献检索、Arxiv文献检索、Python编译器等。,其中如果采用浦语的API,模型名称可以选择internlm2.5-latest,默认指向最新发布的 InternLM2.5 系列模型,当前指向。可以尝试进行几轮简单的对话,并让其搜索文献,会发现大模型现在尽管有比较好的对话能力,但是并不能帮我们准确的找到文献,),展示如何协调不同的智能代理完成内容生成和优化的任务。 阅读详情

闯关任务

任务描述:Lagent 自定义你的 Agent 智能体
任务文档:Lagent 自定义你的 Agent 智能体

完成结果

  • 使用 Lagent 自定义一个智能体,并使用 Lagent Web Demo 成功部署与调用,记录复现过程并截图。

环境准备/安装:

# 创建环境
conda create -n agent_camp3 python=3.10 -y
# 激活环境
conda activate agent_camp3
# 安装 torch
conda install pytorch==2.1.2 torchvision==0.16.2 torchaudio==2.1.2 pytorch-cuda=12.1 -c pytorch -c nvidia -y
# 安装其他依赖包
pip install termcolor==2.4.0
pip install lmdeploy==0.5.2

通过源码安装的方式安装 Lagent:

# 创建目录以存放代码
mkdir -p /root/agent_camp3
cd /root/agent_camp3
git clone https://github.com/InternLM/lagent.git
cd lagent && git checkout 81e7ace && pip install -e . && cd ..

Lagent Web Demo 的使用方式:
(1) 使用 LMDeploy 部署 InternLM2.5-7B-Chat,并启动一个 API Server;

lmdeploy serve api_server /share/new_models/Shanghai_AI_Laboratory/internlm2_5-7b-chat --model-name internlm2_5-7b-chat

请添加图片描述

(2)在另一个窗口中启动 Lagent 的 Web Demo;

streamlit run examples/internlm2_agent_web_demo.py

请添加图片描述

(3)在等待两个 server 都完全启动(如上图所示)后,我们在 本地 的 PowerShell 中输入如下指令来进行端口映射;

ssh -CNg -L 8501:127.0.0.1:8501 -L 23333:127.0.0.1:23333 root@ssh.intern-ai.org.cn -p <你的 SSH 端口号>

请添加图片描述

(4)接下来,在本地浏览器中打开 localhost:8501,并修改模型名称一栏为 internlm2_5-7b-chat,修改模型 ip一栏为127.0.0.1:23333;
然后,我们在插件选择一栏选择 ArxivSearch,并输入指令“帮我搜索一下 MindSearch 论文”。
请添加图片描述

基于 Lagent 自定义智能体:
(1)首先创建工具文件;

cd /root/agent_camp3/lagent
touch lagent/actions/magicmaker.py

具体代码实现如下:

import json
import requests

from lagent.actions.base_action import BaseAction, tool_api
from lagent.actions.parser import BaseParser, JsonParser
from lagent.schema import ActionReturn, ActionStatusCode


class MagicMaker(BaseAction):
    styles_option = [
        'dongman',  # 动漫
        'guofeng',  # 国风
        'xieshi',   # 写实
        'youhua',   # 油画
        'manghe',   # 盲盒
    ]
    aspect_ratio_options = [
        '16:9', '4:3', '3:2', '1:1',
        '2:3', '3:4', '9:16'
    ]

    def __init__(self,
                 style='guofeng',
                 aspect_ratio='4:3'):
        super().__init__()
        if style in self.styles_option:
            self.style = style
        else:
            raise ValueError(f'The style must be one of {self.styles_option}')
        
        if aspect_ratio in self.aspect_ratio_options:
            self.aspect_ratio = aspect_ratio
        else:
            raise ValueError(f'The aspect ratio must be one of {aspect_ratio}')
    
    @tool_api
    def generate_image(self, keywords: str) -> dict:
        """Run magicmaker and get the generated image according to the keywords.

        Args:
            keywords (:class:`str`): the keywords to generate image

        Returns:
            :class:`dict`: the generated image
                * image (str): path to the generated image
        """
        try:
            response = requests.post(
                url='https://magicmaker.openxlab.org.cn/gw/edit-anything/api/v1/bff/sd/generate',
                data=json.dumps({
                    "official": True,
                    "prompt": keywords,
                    "style": self.style,
                    "poseT": False,
                    "aspectRatio": self.aspect_ratio
                }),
                headers={'content-type': 'application/json'}
            )
        except Exception as exc:
            return ActionReturn(
                errmsg=f'MagicMaker exception: {exc}',
                state=ActionStatusCode.HTTP_ERROR)
        image_url = response.json()['data']['imgUrl']
        return {'image': image_url}

(2)修改lagent/examples/internlm2_agent_web_demo.py 来适配我们的自定义工具。

from lagent.actions import ActionExecutor, ArxivSearch, IPythonInterpreter
from lagent.actions.magicmaker import MagicMaker
from lagent.agents.internlm2_agent import INTERPRETER_CN, META_CN, PLUGIN_CN, Internlm2Agent, Internlm2Protocol

...
        action_list = [
            ArxivSearch(),
             MagicMaker(),
        ]

(3)启动 Web Demo,同时启用这两个工具,然后输入“请帮我生成一幅山水画”;(注:需使用之前的Lagent Web Demo使用方式)
请添加图片描述
请添加图片描述
然后,再试一下“帮我搜索一下 MindSearch 论文”。
请添加图片描述

(第三期)书生大模型实战营——Lagent自定义你的Agent智能体 Lagent 是一个轻量级开源智能体框架,旨在让用户可以高效地构建基于大语言模型的智能体。同时它也提供了一些典型工具以增强大语言模型的能力。Arxiv搜索Bing地图Google学术搜索Google搜索交互式IPython解释器IPython解释器PPTPython解释器在本节中,我们将带大家基于 Lagent 自定义自己的智能体。Lagent 中关于工具部分的介绍文档位于。使用 Lagent 自定义工具主要分为以下几步:继承BaseAction类实现简单工具的。 阅读详情

相关推荐

三极管开关电路在脉冲应用中的性能瓶颈分析

深入探讨三极管开关电路在高频脉冲场景下的响应延迟与功耗问题,揭示其性能限制的关键因素。结合实际应用,分析开关速度与信号完整性之间的矛盾,为优化三极管开关电路设计提供实用参考。

weixin_42602368的博客 592

create_python_agent、PythonREPLTool均已移至langchain_experimental包中

【代码】create_python_agent、PythonREPLTool均已移至langchain_experimental包中。

weixin_42795020的博客 995

手把手移植st7701s驱动:MT6763+安卓8.0屏幕适配保姆级教程

本文详细介绍了在MT6763平台上移植ST7701S驱动的完整流程,涵盖从LK层到Kernel层的适配方案,特别针对安卓8.0系统的特殊要求。通过MIPI转RGB屏幕适配的实战教程,帮助开发者解决常见显示问题,包括无显示、色彩异常和屏幕错位等,并提供高级调试技巧如彩条测试模式和闪屏解决方案。

weixin_29186249的博客 159

Lagent:从零搭建你的 Multi-Agent

https://github.com/InternLM/Tutorial/blob/camp4/docs/L2/Agent/task.md 一、Lagent框架中Agent的使用目标 通过Lagent框架,基于InternLM2.5,搭建一个Web Demo,体验其智能体功能与工具集成能力。步骤与实现环境准备代码实现插件与功能运行与测试 bash复制代码效果展示注意事项实现流程Streamlit 界面交互 用户通过 Web 界面输入主题,系统实时展示生成、批评和优化的内容,分步骤呈现:通过 Lag

weixin_42716893的博客 1097

【C语言学习疑难杂症】第20期:0x00007FF7F2821964处引发的异常0xC0000005写入位置 0x0000000000000

检查代码中是否存在野指针访问的情况,确保在进行写入操作之前,内存已经被正确分配或初始化,并且在使用完毕后进行了正确的释放。空指针访问:代码尝试在空指针地址(0x0000000000000000)处进行写入操作,导致访问冲突。检查代码中是否存在数组越界的情况,确保在进行写入操作之前,数组的索引值在合法范围内。检查代码中是否存在空指针访问的情况,确保在进行写入操作之前,指针已经被正确初始化。野指针访问:代码尝试在已释放或未初始化的内存地址进行写入操作,导致访问冲突。

学无止境 831

Android12+RK3588 多应用录音适配

两个应用能够同时录音,在Android12上的实现

guanmingyuangmy的博客 2226

【方便 | 重要】#LLM入门 | Agent | langchain | RAG # 3.7_代理Agent,使用langchain自带agent完成任务

在本节,我们将创建和使用自定义时间工具。LangChian tool 函数装饰器可以应用用于任何函数,将函数转化为LangChain 工具,使其成为代理可调用的工具。我们需要给函数加上非常详细的文档字符串, 使得代理知道在什么情况下、如何使用该函数/工具。比如下面的函数time,我们加上了详细的文档字符串。# 导入tool函数装饰器@tool"""返回今天的日期,用于任何需要知道今天日期的问题。输入应该总是一个空字符串,\这个函数将总是返回今天的日期,任何日期计算应该在这个函数之外进行。"""

weixin_45312236的博客 1772

基于Simulink的占空比调制DTC降低转矩脉动

修改传统SVPWM模块,输入占空比d和有效矢量索引,计算Ton​=d∗Tc​、Toff​=(1−d)∗Tc​,生成对称PWM波形(替代开关表直接输出)。:低速时(n<500rpm)减小dmax​=0.6(避免磁链畸变),高速时(n>2000rpm)增大dmax​=0.8(提升动态响应);kT​/kψ​:转矩/磁链误差增益(需整定,如kT​=0.02/(N⋅m),kψ​=0.1/Wb);(θ为电压矢量与磁链夹角)。② SVM-DTC(占空比计算模块启用,d0​=0.5,kT​=0.02,kψ​=0.1)。

amy_mhd的博客 88

书生浦语之实战营:使用Lagent 自定义你的 Agent 智能体

Lagent 是一个轻量级开源智能体框架,旨在让用户可以高效地构建基于大语言模型的智能体。同时它也提供了一些典型工具以增强大语言模型的能力。Arxiv 搜索Bing 地图Google 学术搜索Google 搜索 交互式IPython 解释器PPT Python 解释器我们将实现一个调用 MagicMaker API 以完成文生图的功能。首先,我们先来创建工具文件:然后,我们将下面的代码复制进入'dongman', # 动漫'guofeng', # 国风。

weixin_57128596的博客 644

【DRAM存储器五十四】LPDDR5介绍--PHY简介和LPDDR5训练流程

简述LPDDR5 PHY的基本功能和训练流程简介

highman110的博客 915

MIPI D-PHY TX 一致性测试实例解析 Part 03

本文之前,已经讨论了MIPI D-PHY TX的1.3.x和1.4.x的测试项,1.5.x的测试项相对较少,主要是用于时钟和数据通道相关的时序测量

一只豌豆象的博客 5202

L2-Lagent 自定义你的 Agent 智能体

Lagent 是一个轻量级开源智能体框架,旨在让用户可以高效地构建基于大语言模型的智能体。同时它也提供了一些典型工具以增强大语言模型的能力。

qushaqugemane的博客 568

Windows 下 Claude Code Desktop 安装与使用全记录:从零到一的保姆级图文教程

本文主要介绍了Windows 下 Claude Code 安装全记录:从零到一的保姆级图文教程,希望能对学习使用 Claude Code 的同学们有所帮助。 文章目录 1. 背景 2. 安装Claude Code Desktop 3. 配置第三方API 4. 日常使用

weixin_43178406的博客 8万+

《书生大模型实战营第3期》进阶岛 第2关: Lagent 自定义你的 Agent 智能体

开发机选择 30% A100,镜像选择为 Cuda12.2-conda。首先来为 Lagent 配置一个可用的环境。# 创建环境# 激活环境# 安装 torch# 安装其他依赖包接下来,我们通过源码安装的方式安装 lagent。# 创建目录以存放代码下面我们将实现一个调用 MagicMaker API 以完成文生图的功能。然后,我们将下面的代码复制进入'dongman', # 动漫'guofeng', # 国风'xieshi', # 写实'youhua', # 油画。

2303_77267815的博客 1068

efm32 入门.pdf

本PDF共计22页,介绍的是操作驱动API,下载与否自己斟酌。

怀旧版电脑GBC模拟器

再现原版GBC掌机的界面,电脑运行连游戏界面都一样大小,很怀旧,很真实,(英文版)强烈推荐,很小的文件,很难才找到的。

书生大模型实战营(第3期)进阶岛第2关--Lagent 自定义你的 Agent 智能体

书生大模型实战营(第3期)进阶岛第二关--Lagent自定义你的 Agent 智能体,Lagent 是一个轻量级开源智能体框架,旨在让用户可以高效地构建基于大语言模型的智能体。同时它也提供了一些典型工具以增强大语言模型的能力。

aman_he的博客 1422

老版QQ原生表情gif动态

这是老版的QQ表情,不过全是动态的的,Windows照片查看器是不会动的,可以右击用浏览器打开查看,再说一遍是老版的,只是分享给宁愿用老版也要动态的人。

【书生大模型实战营】进阶岛 第2关 Lagent 自定义你的 Agent 智能体

使用 Lagent 自定义一个智能体,并使用 Lagent Web Demo 成功部署与调用Lagent 是一个轻量级开源智能体框架,旨在让用户可以高效地构建基于大语言模型的智能体。同时它也提供了一些典型工具以增强大语言模型的能力。Lagent 目前已经支持了包括 AutoGPT、ReAct 等在内的多个经典智能体范式,也支持了如下工具:Arxiv 搜索Bing 地图Google 学术搜索Google 搜索交互式 IPython 解释器IPython 解释器PPT。

人生不是轨道,是旷野。希望每天都有好心情。 904

C# WinForm 基于DirectShow.dll编写的程序,可边预览边保存视频,音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择(默认选中第一个)2.可录制wmv和avi两种格式的视频并且都带有音频,avi可以录制的分辨率和帧数进行选择,wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照,也可边录制视频边拍照4.添加了视频和音频的压缩功能(酌情使用)这次二次开发发现C#对DirectShow的相关信息太少,这次做完也不敢藏私共享出来,还望大家指正

第四期书生大模型实战营【进阶岛】—— Lagent 自定义你的 Agent 智能体

使用 Lagent 自定义工具主要分为以下3步:(1)继承BaseAction类(2)实现简单工具的run方法;或者实现工具包内每个子工具的功能(3)简单工具的 run 方法可选被tool_api装饰;工具包内每个子工具的功能都需要被tool_api装饰在文件夹下面创建一个天气查询的工具程序。import osraise EnvironmentError("未找到环境变量 'token'。

weixin_45730545的博客 1099

书生·浦语大模型实战营之Lagent & AgentLego 智能体应用搭建

在两个 terminal 中分别启动 LMDeploy 服务和 Tutorial 已经写好的用于这部分的 Web Demoexport WEATHER_API_KEY=在2.2节获取的API KEY# 比如 export WEATHER_API_KEY=1234567890abcdef在本地执行如下操作以进行端口映射在输入模型地址并选择好工具后,就可以开始体验了读者可以关注大模型返回的工具名称及参数。query参数解析为上海"query": "上海"AgentLego:组装智能体“乐高”

weixin_45222417的博客 1242

书生大模型实战营第三期进阶岛第二课——Lagent 自定义你的 Agent 智能体

接下来构建自己的智能体实现一个调用 MagicMaker API 以完成文生图的功能。

weixin_42567071的博客 933

【书生大模型实战营(暑假场)】进阶任务二 Lagent 自定义你的 Agent 智能体

Lagent动作。继承 BaseAction 类实现简单工具的 run 方法;或者实现工具包内每个子工具的功能简单工具的 run 方法可选被 tool_api 装饰;工具包内每个子工具的功能都需要被 tool_api 装饰下面实现一个调用 MagicMaker API 的 Agent 动作/工具以完成文生图的功能。

Tongcheng_98的博客 937

L2G2000书生大模型实战营第4期——3.2 Lagent 自定义你的 Agent 智能体

使用 Lagent 制作一个天气查询Agent,和使用Multi-Agents搭建博客写作系统。

wuzipl的博客 2176

第四期书生大模型实战营 进阶岛 第2关

首先,配置一个用于Lagent 的环境。需要耐心等待~这样就环境就配置好啦。

2401_87331158的博客 1180

书生大模型实训营第4期进阶岛第二关:Lagent 自定义你的 Agent 智能体

书生大模型实训营第4期进阶岛第二关任务笔记

weixin_54052852的博客 1117

书生实战营第四期-进阶岛第二关-Lagent 自定义你的 Agent 智能体

Lagent 是一个轻量级开源智能体框架,旨在让用户可以高效地构建基于大语言模型的智能体。同时它也提供了一些典型工具以增强大语言模型的能力。

m0_75009117的博客 1461

四期书生大模型实战营(【进阶岛】- 第2关 | Lagent 自定义你的 Agent 智能体)

记录复现过程并截图。

ban102055的博客 953
上一篇: 书生大模型实战营3期 - 基础岛 - 1 - 书生大模型全链路开源体系
下一篇: 书生大模型实战营3期 - 进阶岛 - 3 - LMDeploy 量化部署进阶实践
wocsdn111
博客等级 码龄11年 134粉丝 13原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值
⌂ 换网址