像 LangChain的Agent (https://github.com/hwchase17/langchain/tree/master/langchain/agents/mrkl) 和Semantic Kernel的 Planner(https://github.com/kaza/sk-iterative-planner)这样的 MRKL 系统享有大型语言模型的所有优点。 以下是它的工作原理,参见:https://learnprompting.org/zh-Hans/docs/advanced_applica...
func (a *OneShotZeroAgent) Plan( ctx context.Context, intermediateSteps []schema.AgentStep, inputs map[string]string, ) ([]schema.AgentAction, *schema.AgentFinish, error) { fullInputs := make(map[string]any, len(inputs)) for key, value := range inputs { fullInputs[key] = value ...