我关于如何创建人工智能代理的讲座中使用的代码
AI AGENT的工作原理是为llm创建一个好的模式，其中包含描述、函数、参数等
这个脚本的工作方式是，它最初根据提供的选择对用户的问题进行分类。在这个例子中，我们有（员工、部门、员工和部门、其他）
另一个是用来屏蔽无关问题的。
接下来，我们将使用python函数调用sql查询器以及描述代理可以使用的函数的工具模式。
如何提取：
提取数据的逻辑很简单。我创建了一个好的复制模型，它准确地表示了我想要提取的内容。 然后，我通过pydantic使用类型检查器/验证，以确保我只能从函数返回确切的模式。
下面是函数：def question_category（system_prompt:str，prompt:str）->QuestionCategory（使用了QuestionCategory模式） 从LLM消息指南中提取JSON模式：https://api-docs.deepseek.com/guides/json_mode
如何使用工具：
然后，我为我编写的所有python函数创建了工具模式，这些函数可以在agent_tools.py文件中找到。 工具指南：https://api-docs.deepseek.com/guides/function_calling或https://platform.openai.com/docs/guides/tools?lang=python&tool-type=函数调用
OPENAI更好，DEEPSEEK ONE给我们带来了错误。
程序文件：
agent_tools.py=具有工具+system_prompt的模式
database.sqlite=sqlite数据库
employee_queries.py=这里我们有可以处理employee表的查询函数
schema.py=这里我们有pydantic模式，用于提取用户询问的是哪种类型的问题或微服务（例如，用户是否询问员工、部门或其他）
main.py=主文件