Создание AI-ассистента для исследований с Hugging Face SmolAgents: автоматизация поиска и суммирования статей

Введение в SmolAgents от Hugging Face

SmolAgents — это легковесный и эффективный фреймворк для создания AI-агентов, которые используют различные инструменты, такие как веб-поиск и выполнение кода. В этом руководстве мы покажем, как создать AI-ассистента для исследований, который сможет автономно искать информацию в интернете и подводить итоги статей.

Установка необходимых библиотек

Сначала установите библиотеки smolagents и beautifulsoup4, которые позволяют AI-агентам использовать инструменты веб-поиска и выполнения кода:

!pip install smolagents beautifulsoup4

Безопасный ввод API токена

Далее, мы безопасно вводим и храним токен API Hugging Face как переменную окружения, чтобы обеспечить защищенный доступ к API:

import os
from getpass import getpass

os.environ["HUGGINGFACEHUB_API_TOKEN"] = getpass("Введите ваш токен Hugging Face API: ")

Создание AI-агента

Теперь мы инициируем AI-агента с помощью фреймворка SmolAgents:

from smolagents import CodeAgent, DuckDuckGoSearchTool, HfApiModel

model = HfApiModel()
tools = [DuckDuckGoSearchTool()]
agent = CodeAgent(tools=tools, model=model, additional_authorized_imports=["requests", "bs4"])

Запуск запроса к агенту

Отправляем запрос к AI-агенту для получения резюме статьи из Википедии:

query = "Подведите итоги основных моментов статьи в Википедии о компании Hugging Face."
result = agent.run(query)
print("Окончательный ответ агента: ", result)

Результаты и перспективы

Следуя этому руководству, мы успешно создали AI-ассистента для исследований, который может автономно искать в интернете и подводить итоги статей. Это демонстрирует мощь AI-агентов в автоматизации исследовательских задач, упрощая процесс извлечения и обработки информации.