Tekoälyagentit · Oppitunti

Tulosten palauttaminen mallille

Muotoilkaa työkalujen tulosteet tool-roolin viesteiksi, jotta malli voi lukea ne ja jatkaa keskustelua.

Oppitunti 4/413 vaihetta

Tulosten palauttaminen mallille on ilmainen Tekoälyagentit-oppitunti CoddyKitissä. Tämä on oppitunti 4/4. Voit lukea koko oppitunnin alta ilmaiseksi ja harjoitella sen jälkeen käytännössä selaimessa sisäänrakennetulla koodieditorilla ja ympäri vuorokauden käytettävissä olevan tekoälytuutorin avulla. Oppitunti kuuluu Tekoälyagentit-oppimispolkuun, ja edistymisesi synkronoituu verkon ja CoddyKit-sovelluksen välillä. Tekoälyagentit-kurssilla on yhteensä 4 oppituntia.

Työkalutulosviesti

Työkalun suorittamisen jälkeen kerrotte mallille tuloksen työkaluvistillä:

messages.append({
    'role': 'tool',
    'tool_call_id': tool_call.id,    # MUST match the assistant's tool_call.id
    'content': json.dumps(result)
})

Sisällön tulee olla merkkijono

OpenAI odottaa, että content on merkkijono. Muodostakaa objekteista sarjallistettu esitys json.dumps-funktiolla:

# Bad — will error
messages.append({'role': 'tool', 'tool_call_id': id, 'content': {'temp': 18}})

# Good
messages.append({'role': 'tool', 'tool_call_id': id, 'content': '{"temp": 18}'})

Anthropicin muoto

Anthropic käyttää käyttäjäviestin sisällä olevaa sisältölohkoa:

messages.append({
    'role': 'user',
    'content': [{
        'type': 'tool_result',
        'tool_use_id': 'toolu_abc',
        'content': json.dumps(result)
    }]
})

Virheiden palauttaminen

Jos työkalu epäonnistui, palauttakaa virhe — älkää väittäkö sen onnistuneen. Malli voi palautua tilanteesta:

try:
    result = run_tool(...)
    content = json.dumps({'ok': True, 'data': result})
except Exception as e:
    content = json.dumps({'ok': False, 'error': str(e)})

messages.append({'role': 'tool', 'tool_call_id': id, 'content': content})

Usean tuloksen malli

Rinnakkaisissa työkalukutsuissa lisätkää kukin tulos vastaavan tunnuksensa kanssa:

for tc in message.tool_calls:
    result = dispatch(tc)
    messages.append({
        'role': 'tool',
        'tool_call_id': tc.id,
        'content': json.dumps(result)
    })

Suuret tulokset: tiivistäminen

Jos työkalu palauttaa 100 kilotavua HTML:ää, sen kaiken lähettäminen mallille kuluttaa tokeneita ja hajottaa tarkkaavaisuutta. Tiivistäkää tai katkaiskaa tulos ensin:

def truncate(text, max_chars=4000):
    if len(text) <= max_chars:
        return text
    return text[:max_chars] + f'\n...[truncated, {len(text)-max_chars} more chars]'

sample = "x" * 4500
result = truncate(sample, max_chars=50)
print(result)

Aina sama skeema

Vaikka tulokset vaihtelevat (onnistuminen / virhe / ei löytynyt), pitäkää tulosskeema vakaana. Malli toimii luotettavammin, kun rakenteet pysyvät yhdenmukaisina:

from typing import TypedDict, Literal, Optional, Any

class ToolResult(TypedDict):
    status: Literal['ok', 'not_found', 'error']
    data: Optional[Any]
    error: Optional[str]

def make_result(status, data=None, error=None) -> ToolResult:
    return {'status': status, 'data': data, 'error': error}

print(make_result('ok', data={'temp': 72}))
print(make_result('not_found', error='city not found'))

Metatietovihjeiden lisääminen

Auttaa mallia tulkitsemaan tuloksia lisäämällä sisältöön vihjeitä:

content = json.dumps({
    'data': rows,
    'note': 'Returned 50 rows (most recent first). There may be more matches.'
})

Binääridata

Älkää koodatko suuria binäärimöykkyjä base64-muotoon työkaluvistissä. Tallentakaa ne sen sijaan tallennustilaan ja palauttakaa URL-osoite tai tunnus:

result = {
    'image_path': '/tmp/chart-abc.png',
    'thumbnail_url': 'https://...',
    'caption': 'Sales by quarter, 2024'
}
for k, v in result.items():
    print(f"{k}: {v}")

Mallin kutsuminen uudelleen

Kun olette lisänneet kaikki työkalutulokset, kutsukaa mallia uudelleen — se joko tuottaa lopullisen vastauksen tai kutsuu lisää työkaluja:

class Msg:
    def __init__(self, tool_calls=None, content=None):
        self.tool_calls = tool_calls or []
        self.content = content

class ToolCall:
    def __init__(self, name, args):
        self.name = name
        self.args = args

def call_model(messages, tools):
    if len(messages) < 4:
        return Msg(tool_calls=[ToolCall('get_weather', {'city': 'Paris'})])
    return Msg(content='It is sunny in Paris.')

messages = [{'role': 'user', 'content': 'Weather in Paris?'}]
tools = ['get_weather']
message = call_model(messages, tools)

while message.tool_calls:
    for tc in message.tool_calls:
        result = f'Result of {tc.name}({tc.args})'
        messages.append({'role': 'tool', 'name': tc.name, 'content': result})
        print('Tool call:', tc.name, '->', result)
    message = call_model(messages, tools)

print('Final answer:', message.content)

Työkalutulosten auditointi

Kirjatkaa lokiin jokainen (tool_call_id, args, result) vianmääritystä varten. Kun agentti tekee jotain odottamatonta, työkalutulosloki on ensimmäinen paikka, josta kannattaa etsiä syytä.

Työkalutuloksen muoto

Mihin työkaluvistin tool_call_id viittaa?

Vastaa interaktiivisessa oppitunnissa

Kertaus

Hallitsette nyt työkalukutsun koko edestakaisen prosessin. Seuraava kurssi käsittelee muistia, joka on agenttien kolmas pilari.

Aloita maksutta

Opi Tekoälyagentit tekoälytuutorin avulla — ilmaiseksi

Kirjoita ja suorita oikeaa koodia selaimessa, saa välitöntä apua tekoälytuutorilta ympäri vuorokauden ja jatka siitä, mihin jäit, verkossa tai sovelluksessa.

Kurssit: 60
Oppitunnit: 239

Aloita opiskelu maksutta Näytä koko kurssi

Usein kysytyt kysymykset

Onko oppitunti ”Tulosten palauttaminen mallille” ilmainen?

Kyllä – oppitunnin ”Tulosten palauttaminen mallille” koko tekstin voi lukea täällä verkossa ilmaiseksi. Jos haluat harjoitella interaktiivisesti sisäänrakennetulla koodieditorilla ja ympäri vuorokauden käytettävissä olevan tekoälytuutorin avulla sekä avata koko Tekoälyagentit-kurssin, päivitä CoddyKit PROhon. Tekoälyagentit-kurssilla on yhteensä 4 oppituntia.

Mitä opin oppitunnilla ”Tulosten palauttaminen mallille”?

Muotoilkaa työkalujen tulosteet tool-roolin viesteiksi, jotta malli voi lukea ne ja jatkaa keskustelua. Harjoittelet Tekoälyagentit-aihetta koodilla, jonka suoritat suoraan selaimessa. Ympäri vuorokauden käytettävissä oleva tekoälytuutori vastaa kysymyksiisi oppitunnin aikana.

Tarvitsenko kokemusta aloittaakseni Tekoälyagentit-opiskelun?

Aiempi kokemus ei ole tarpeen. CoddyKitin Tekoälyagentit-oppimispolku sopii vasta-alkajista edistyneisiin, joten voit aloittaa tästä tai alusta ja edetä omaan tahtiisi. Tämä on oppitunti 4/4.

Kuinka kauan ”Tulosten palauttaminen mallille”-oppitunnin suorittaminen kestää?

Useimmat CoddyKitin oppitunnit kestävät noin 5–10 minuuttia. Jokainen oppitunti on lyhyt ja interaktiivinen, joten edistyt tasaisesti ja voit jatkaa siitä, mihin jäit – sekä verkossa että sovelluksessa.

Voinko kirjoittaa ja suorittaa koodia tällä Tekoälyagentit-oppitunnilla?

Kyllä. Jokainen Tekoälyagentit-oppitunti sisältää sisäänrakennetun koodieditorin, joten voit kirjoittaa ja suorittaa oikeaa koodia suoraan selaimessa ja saada välitöntä palautetta tekoälyltä – paikallista asennusta ei tarvita.

Kaikki tämän kurssin oppitunnit

Miten funktion kutsuminen toimii
Työkalujen skeemojen määrittäminen (JSON Schema)
Työkalujen valitseminen ajonaikaisesti
Tulosten palauttaminen mallille

← Takaisin: Tekoälyagentit