生成代理#

class langchain_experimental.generative_agents.generative_agent.GenerativeAgent[source]#

基础类：BaseModel

Agent作为一个具有记忆和固有特征的角色。

通过解析和验证来自关键字参数的输入数据来创建一个新模型。

如果输入数据无法验证以形成有效模型，则引发 [ValidationError][pydantic_core.ValidationError]。

self 被显式地设为仅位置参数，以允许 self 作为字段名称。

param age: int | None = None#

角色的可选年龄。

param daily_summaries: List[str] [Optional]#

代理所采取计划中的事件摘要。

param last_refreshed: datetime [Optional]#

角色摘要上次重新生成的时间。

param llm: BaseLanguageModel [Required]#

底层语言模型。

param memory: GenerativeAgentMemory [Required]#

结合了相关性、时效性和“重要性”的内存对象。

param name: str [Required]#

角色的名字。

param status: str [Required]#

你希望不改变的角色的特质。

param summary: str = ''#

通过角色记忆的反射生成的有状态自我总结。

param summary_refresh_seconds: int = 3600#

重新生成摘要的频率。

param traits: str = 'N/A'#

赋予角色的永久特质。

param verbose: bool = False#
chain(prompt: PromptTemplate) → LLMChain[source]#

创建一个与代理具有相同设置的链。

Parameters:

提示 (PromptTemplate)

Return type:

LLMChain

generate_dialogue_response(observation: str, now: datetime | None = None) → Tuple[bool, str][来源]#

对给定的观察结果做出反应。

Parameters:

  • observation (str)

  • now (datetime | None)

Return type:

元组[bool, str]

generate_reaction(observation: str, now: datetime | None = None) → Tuple[bool, str][source]#

对给定的观察结果做出反应。

Parameters:

  • observation (str)

  • now (datetime | None)

Return type:

元组[bool, str]

get_full_header(force_refresh: bool = False, now: datetime | None = None) → str[source]#

返回代理状态、摘要和当前时间的完整头部信息。

Parameters:

  • force_refresh (bool)

  • now (datetime | None)

Return type:

字符串

get_summary(force_refresh: bool = False, now: datetime | None = None) → str[source]#

返回代理的描述性摘要。

Parameters:

  • force_refresh (bool)

  • now (datetime | None)

Return type:

字符串

总结与观察最相关的记忆。

Parameters:

观察 (str)

Return type:

字符串