大家好,我是Edison。
上一篇,我们了解了什么是AI Agent以及如何用Semantic Kernel手搓一个AI Agent。有朋友留言说,自动函数调用对大模型有较高的要求,比如Azure OpenAI、智谱AI等这些收费的大模型产品就能很好地规划和处理函数调用,而像是一些开源的小参数量的模型例如qwen2-7b-instruct这种可能效果就不太好。刚好,之前在网上看到一位大佬的开源通用函数调用方案,于是重构了一下上一篇的Agent应用。
UniversalFunctionCaller
这个项目是一个封装了大模型对话的入口,有点类似我们在ASP.NET中写的Filter,在处理某个真正的请求时,给其设置一些横切面,例如PreHandle,PostHandle之类的方法供用户做自定义处理,最终完成所谓的AoP(面向横切面编程)的效果。这个项目做的事儿其实也就是封装了横切面,在真正将prompt发给LLM前,它会读取一些自定义的优点类似于预训练的prompt来对用户的prompt进行"增强"。例如,下面这个方法 GetAskFromHistory 就会来 设定一个函数调用的背景 以及 给出一些预置的训练提示词供大模型理解,妥妥的一个手动增强版提示词工程:
public class UniversalFunctionCaller
{
......
public async Task<string> RunAsync(ChatHistory askHistory)
{
var ask = await GetAskFromHistory(askHistory);
return await RunAsync(ask);
}
private async Task<string> GetAskFromHistory(ChatHistory askHistory)
{
var sb = new StringBuilder();
var userAndAssistantMessages = askHistory.Where(h => h.Role == AuthorRole.Assistant || h.Role == AuthorRole.User);
foreach (var message in userAndAssistantMessages)
sb.AppendLine($"{message.Role.ToString()}: {message.Content}");
var extractAskFromHistoryPrompt = $@"阅读这段用户与助手之间的对话。
总结用户在最后一句话中希望助手做什么
##对话开始##
{sb.ToString()}
##对话结束##";
var extractAskResult = await _chatCompletion.GetChatMessageContentAsync(extractAskFromHistoryPrompt);
var ask = extractAskResult.Content;
return ask;
}
......
}
然后,它会初始化一个ChatHistory,提供一些示范性的对话,让大模型知道是否该进行函数调用 以及 如何调用:
private ChatHistory InitializeChatHistory(string ask)
{
var history = new ChatHistory();
history.Add(new ChatMessageContent(AuthorRole.User, "New task: 启动飞船"));
history.Add(new ChatMessageContent(AuthorRole.Assistant, "GetMySpaceshipName()"));
history.Add(new ChatMessageContent(AuthorRole.User, "长征七号"));
history.Add(new ChatMessageContent(AuthorRole.Assistant, "StartSpaceship(ship_name: \"长征七号\")"));
history.Add(new ChatMessageContent(AuthorRole.User, "飞船启动"));
history.Add(new ChatMessageContent(AuthorRole.Assistant, "Finished(finalmessage: \"'长征七号'飞船启动 \")"));return history;
}
而示范用的函数则将其封装到了一个预置的Plugin,我们暂且叫它 PreTrainingPlugin,它是一个internal访问的class,只用于对prompt进行增强即给出示例:
internal class PreTrainingPlugin
{
[KernelFunction, Description("当工作流程完成,没有更多的函数需要调用时,调用这个函数")]
public string Finished([Description("总结已完成的工作和结果,尽量简洁明了。")] string finalmessage)
{
return string.Empty;
//no actual implementation, for internal routing only
}
[KernelFunction, Description("获取用户飞船的名称")]
public string GetMySpaceshipName()
{
return "长征七号";
}
[KernelFunction, Description("启动飞船")]
public void StartSpaceship([Description("启动的飞船的名字")] string ship_name)
{
//no actual implementation, for internal routing only
}
}
同时,它会将你定义的Functions总结为一个string列表,然后作为可用的Function list 放到prompt中告诉大模型:
然后,就开始根据用户的prompt进行函数调用了,直到它认为不会再需要函数调用时就结束,这个方法的全部代码如下所示:
public async Task<string> RunAsync(string task)
{
// Initialize plugins
var plugins = _kernel.Plugins;
var internalPlugin = _kernel.Plugins.AddFromType<PreTrainingPlugin>();
// Convert plugins to text
var pluginsAsText = GetTemplatesAsTextPrompt3000(plugins);
// Initialize function call and chat history
var nextFunctionCall = new FunctionCall { Name = ConfigConstants.FunctionCallStatus.Start };
var chatHistory = InitializeChatHistory(task);
// Add new task to chat history
chatHistory.Add(new ChatMessageContent(AuthorRole.User, $"New task: {task}"));
// Process function calls
for (int iteration = 0; iteration < 10 && nextFunctionCall.Name != ConfigConstants.FunctionCallStatus.Finished; iteration++)
{
nextFunctionCall = await GetNextFunctionCallAsync(chatHistory, pluginsAsText);
if (nextFunctionCall == null)
throw new Exception("The LLM is not compatible with this approach!");
// Add function call to chat history
var nextFunctionCallText = GetCallAsTextPrompt3000(nextFunctionCall);
chatHistory.AddAssistantMessage(nextFunctionCallText);
// Invoke plugin and add response to chat history
var pluginResponse = await InvokePluginAsync(nextFunctionCall);
chatHistory.AddUserMessage(pluginResponse);
}
// Remove internal plugin
_kernel.Plugins.Remove(internalPlugin);
// Check if task was completed successfully
if (nextFunctionCall.Name == ConfigConstants.FunctionCallStatus.Finished)
{
var finalMessage = nextFunctionCall.Parameters[0].Value.ToString();
return finalMessage;
}
throw new Exception("LLM could not finish workflow within 10 steps. Please consider increasing the number of steps!");
}
需要特别注意的是,不建议在一个prompt中涉及超过10次函数调用,这样效果不太好,处理速度也慢,验证也不太方便。
此外,在方法内部进行函数调用的分析时,自动加了一个如下所示的SystemMessage,用于设定一些通用的规则给到大模型进行理解:
private string GetLoopSystemMessage(string pluginsAsTextPrompt3000)
{
var systemPrompt = $@"你是一个计算机系统。
你只能使用TextPrompt3000指令,让用户调用对应的函数,而用户将作为另一个回答这些函数的计算机系统。
以下是您所需实现的目标,以及用户可以使用的函数列表。
您需要找出用户到达目标的下一步,并推荐一个TextPrompt3000函数调用。
您还会得到一个TextPrompt3000 Schema格式的函数列表。
TextPrompt3000格式的定义如下所示:
{GetTextPrompt300Explanation()}
##可用函数列表开始##
{pluginsAsTextPrompt3000}
##可用函数列表结束##
以下规则非常重要:
1) 你只能推荐一个函数及其参数,而不是多个函数
2) 你可以推荐的函数只存在于可用函数列表中
3) 你需要为该函数提供所有参数。不要在函数名或参数名中转义特殊字符,直接使用(如只写aaa_bbb,不要写成aaa\_bbb)
4) 你推荐的历史记录与函数需要对更接近目标有重要作用
5) 不要将函数相互嵌套。 遵循列表中的函数,这不是一个数学问题。 不要使用占位符。
我们只需要一个函数,下一个所需的函数。举个例子, 如果 function A() 需要在 function B()中当参数使用, 不要使用 B(A())。 而是,
如果A还没有被调用, 先调用 A()。返回的结果将在下一次迭代中在B中使用。
6) 不要推荐一个最近已经调用过的函数。 使用输出代替。 不要将占位符或函数作为其他函数的参数使用。
7) 只写出一个函数调用,不解释原因,不提供理由。您只能写出一个函数调用!
8) 当所有必需的函数都被调用,且计算机系统呈现了结果,调用Finished函数并展示结果。
9) 请使用中文回答。
如果你违反了任何这些规定,那么会有一只小猫死去。
";
return systemPrompt;
}
综上所示,这就是提示词工程的魔力所在!
更新后的AI Agent效果
这里我们快速对原来的WorkOrder Agent重构了一下,增加了 Use Function Planner 的 checkbox选项,如果你勾选了它,就会使用上面介绍的 UniversalFunctionCaller 进行prompt的包裹和预处理,然后再发给大模型 以及 进行函数调用。
这里我修改了使用的模型和平台信息,这里我们基于SiliconCloud来使用一个通义千问的小参数文本生成模型Qwen2-7B-Instruct来试试:
{
"LLM_API_PROVIDER": "QwenAI",
"LLM_API_MODEL": "Qwen/Qwen2-7B-Instruct",
"LLM_API_BASE_URL": "https://api.siliconflow.cn",
"LLM_API_KEY": "sk-**************" // Update this value to yours
}
具体效果如下图所示:
(1)没有使用Function Planner的效果
(2)使用了Function Planner的效果
可以看到,我的需求其实包含3个步骤:第一步是更新工单的Quantity,第二步是更新工单的状态,第三步是查询更新后的工单信息。而这几个步骤我们假设其实都是需要去调用MES WorkOrderService API才能获得的,这里我们的Agent理解到了要点,并分别调用了两个function实现了任务。
这个示例代码的结构如下所示:
我这里将UniversalFunctionCaller放到了解决方案中的Shared类库中了,源码来自Jenscaasen 大佬的开源项目,中文翻译的prompt来自国内的mingupupu大佬的介绍。
小结
本文简单介绍了一种面向小参数量模型的通用函数调用方案,基于这个方案,我们可以在这类大模型上进行准确的函数调用,以便实现更可靠的AI Agent。
参考内容
国外的Jenscaasen 大佬开源的这个项目 : https://github.com/Jenscaasen/UniversalLLMFunctionCaller
国内的mingupupu 大佬的介绍和翻译:https://www.cnblogs.com/mingupupu/p/18385798
示例源码
GitHub:https://github.com/Coder-EdisonZhou/EDT.Agent.Demos
推荐学习
Microsoft Learn, 《Semantic Kernel 学习之路》
作者:周旭龙
出处:https://edisonchou.cnblogs.com
本文版权归作者和博客园共有,欢迎转载,但未经作者同意必须保留此段声明,且在文章页面明显位置给出原文链接。