AIエージェントのデザインパターンを実装する
AIエージェントをLanggraphで実装する「LangChainとLangGraphによるRAG・AIエージェント［実践］入門」を読み、AIエージェントのデザインパターンを実際のユースケースに当てはめてColaboratory上で実装してみる。
今回は「リフレクション」パターンを実装してみる。
リフレクションパターンは、LLMが生成した回答について、内容が十分かを検証して内容に情報を付与したり、再度回答を生成させて回答の精度を上げることを目的とする。
セルフリフレクション、クロスリフレクション
LLMが生成した回答について、同じLLMが回答を検証する場合は「セルフリフレクション」、検証は別のLLMが行う場合は「クロスリフレクション」となる。
Colaboratory中のllm_judgeを同一のLLMモデルにすると前者、異なるLLMモデルにするとクロスリフレクションとなる。
質問例としては、「スマートフォンの電源が入らなくなってしまいました。原因を教えてください。」と入力して原因と考えられることが複数回答として返ってきた。
ヒューマンリフレクション
LLMが生成した回答について、人間がジャッジを行うことを「ヒューマンリフレクション」となる。
質問例としては、上記と同じものを入力し、出力を確認してユーザーが満足するまで繰り返し回答を作成した。