KwaiAgents
1.0.0
English ｜ 中文 | 日本語
數據集 |基準| ？型號| ？紙
KwaiAgents是快手科技KwaiKEG開源的Agent相關系列作品。開源內容包括：
| 類型 | 型號 | 訓練資料 | 基準數據 |
| 奎文 | Qwen-7B-MAT Qwen-14B-MAT Qwen-7B-MAT-cpp Qwen1.5-14B-MAT | KA代理指令 | KA代理工作台 |
| 百川 | 百川2-13B-MAT |
| 規模 | 規劃 | 工具使用 | 反射 | 結論 | 輪廓 | 總分 | |
|---|---|---|---|---|---|---|---|
| GPT-3.5-渦輪 | - | 18.55 | 26.26 | 8.06 | 37.26 | 35.42 | 25.63 |
| 駱駝2 | 13B | 0.15 | 0.44 | 0.14 | 16.60 | 17.73 | 5.30 |
| 聊天GLM3 | 6B | 7.87 | 11.84 | 7.52 | 30.01 | 30.14 | 15.88 |
| 奎文 | 7B | 13.34 | 18:00 | 7.91 | 36.24 | 34.99 | 21.17 |
| 百川2 | 13B | 6.70 | 16.10 | 6.76 | 24.97 | 19.08 | 14.89 |
| 工具羊駝 | 7B | 0.20 | 4.83 | 1.06 | 15.62 | 10.66 | 6.04 |
| 代理LM | 13B | 0.17 | 0.15 | 0.05 | 16.30 | 15.22 | 4.88 |
| Qwen-MAT | 7B | 31.64 | 43.30 | 33.34 | 44.85 | 44.78 | 39.85 |
| 百川2-MAT | 13B | 37.27 | 52.97 | 37:00 | 48.01 | 41.83 | 45.34 |
| Qwen-MAT | 14B | 43.17 | 63.78 | 32.14 | 45.47 | 45.22 | 49.94 |
| Qwen1.5-MAT | 14B | 42.42 | 64.62 | 30.58 | 46.51 | 45.95 | 50.18 |
| 規模 | 無代理 | 反應 | 自動GPT | KAgent系統 | |
|---|---|---|---|---|---|
| GPT-4 | - | 57.21% (3.42) | 68.66% (3.88) | 79.60% (4.27) | 83.58% (4.47) |
| GPT-3.5-渦輪 | - | 47.26% (3.08) | 54.23% (3.33) | 61.74% (3.53) | 64.18% (3.69) |
| 奎文 | 7B | 52.74% (3.23) | 51.74% (3.20) | 50.25% (3.11) | 54.23% (3.27) |
| 百川2 | 13B | 54.23% (3.31) | 55.72% (3.36) | 57.21% (3.37) | 58.71% (3.54) |
| Qwen-MAT | 7B | - | 58.71% (3.53) | 65.67% (3.77) | 67.66% (3.87) |
| 百川2-MAT | 13B | - | 61.19% (3.60) | 66.67% (3.86) | 74.13% (4.11) |
先安裝 miniconda 建置環境。然後先建立建置環境：
conda create -n kagent python=3.10
conda activate kagent
pip install -r requirements.txt我們建議使用 vLLM 和 FastChat 來部署模型推理服務。首先需要安裝對應的套件（詳細使用方法請參考兩個項目的文件）：
pip install vllm
pip install " fschat[model_worker,webui] "pip install " fschat[model_worker,webui] "
pip install vllm==0.2.0
pip install transformers==4.33.2要部署 KAgentLM，您首先需要在一個終端機中啟動控制器。
python -m fastchat.serve.controller其次，您應該在另一個終端機使用以下命令進行單GPU推理服務部署：
python -m fastchat.serve.vllm_worker --model-path $model_path --trust-remote-code其中$model_path是下載的模型的本機路徑。如果GPU不支援Bfloat16，可以在命令列中加入--dtype half 。
第三，在第三個終端機中啟動 REST API 伺服器。
python -m fastchat.serve.openai_api_server --host localhost --port 8888最後，您可以使用curl指令來呼叫模型，與OpenAI呼叫格式相同。這是一個例子：
curl http://localhost:8888/v1/chat/completions
-H " Content-Type: application/json "
-d ' {"model": "kagentlms_qwen_7b_mat", "messages": [{"role": "user", "content": "Who is Andy Lau"}]} '在這裡，將kagentlms_qwen_7b_mat更改為您部署的模型。
llama-cpp-python 提供了一個 Web 伺服器，旨在充當 OpenAI API 的直接替代品。這允許您將 llama.cpp 相容模型與任何 OpenAI 相容客戶端（語言庫、服務等）一起使用。轉換後的模型可以在 kwaikeg/kagentlms_qwen_7b_mat_gguf 中找到。
要安裝伺服器套件並開始：
pip install " llama-cpp-python[server] "
python3 -m llama_cpp.server --model kagentlms_qwen_7b_mat_gguf/ggml-model-q4_0.gguf --chat_format chatml --port 8888最後，您可以使用curl指令來呼叫模型，與OpenAI呼叫格式相同。這是一個例子：
curl http://localhost:8888/v1/chat/completions
-H " Content-Type: application/json "
-d ' {"messages": [{"role": "user", "content": "Who is Andy Lau"}]} '下載並安裝KwaiAgents，推薦Python>=3.10
git clone [email protected]:KwaiKEG/KwaiAgents.git
cd KwaiAgents
python setup.py develop export OPENAI_API_KEY=sk-xxxxx
export WEATHER_API_KEY=xxxxxx
WEATHER_API_KEY不是強制性的，但在詢問天氣相關問題時需要配置它。您可以從該網站取得API金鑰（本機模型使用相同）。
kagentsys --query= " Who is Andy Lau's wife? " --llm_name= " gpt-3.5-turbo " --lang= " en "要使用本地模型，需要按照上一章部署對應的模型服務
kagentsys --query= " Who is Andy Lau's wife? " --llm_name= " kagentlms_qwen_7b_mat "
--use_local_llm --local_llm_host= " localhost " --local_llm_port=8888 --lang= " en "完整命令參數：
options:
-h, --help show this help message and exit
--id ID ID of this conversation
--query QUERY User query
--history HISTORY History of conversation
--llm_name LLM_NAME the name of llm
--use_local_llm Whether to use local llm
--local_llm_host LOCAL_LLM_HOST
The host of local llm service
--local_llm_port LOCAL_LLM_PORT
The port of local llm service
--tool_names TOOL_NAMES
the name of llm
--max_iter_num MAX_ITER_NUM
the number of iteration of agents
--agent_name AGENT_NAME
The agent name
--agent_bio AGENT_BIO
The agent bio, a short description
--agent_instructions AGENT_INSTRUCTIONS
The instructions of how agent thinking, acting, or talking
--external_knowledge EXTERNAL_KNOWLEDGE
The link of external knowledge
--lang {en,zh} The language of the overall system
--max_tokens_num Maximum length of model input
筆記：
browse_website工具，則需要在伺服器上設定chromedriver。http_proxy來解決此問題。 自訂工具的使用可以在examples/custom_tool_example.py中找到
我們只需要兩行來評估代理人的能力，例如：
cd benchmark
python infer_qwen.py qwen_benchmark_res.jsonl
python benchmark_eval.py ./benchmark_eval.jsonl ./qwen_benchmark_res.jsonl上面的命令將給出類似的結果
plan : 31.64, tooluse : 43.30, reflextion : 33.34, conclusion : 44.85, profile : 44.78, overall : 39.85
請參閱基準/了解更多詳細資訊。
@article{pan2023kwaiagents,
author = {Haojie Pan and
Zepeng Zhai and
Hao Yuan and
Yaojia Lv and
Ruiji Fu and
Ming Liu and
Zhongyuan Wang and
Bing Qin
},
title = {KwaiAgents: Generalized Information-seeking Agent System with Large Language Models},
journal = {CoRR},
volume = {abs/2312.04889},
year = {2023}
}
