首页
/ Langroid项目中处理大型工具输出的优化方案

Langroid项目中处理大型工具输出的优化方案

2025-06-25 13:07:27作者:何举烈Damon

背景介绍

在Langroid项目中,当使用工具获取额外数据时,经常需要对原始工具输出进行预处理(例如从原始网页中选择相关信息)。然而,这些原始工具输出会被存储在消息历史中,不必要地增加了模型的上下文大小负担。这个问题在RAG(检索增强生成)场景中尤为常见,但解决方案一直不够明确。

问题分析

传统上,开发者可能会尝试使用_llm_response_temp_contextllm_response_forget等底层方法来解决这个问题,但这些方法不够直观且使用复杂。更糟糕的是,设置erase_substeps=True会导致难以预测的行为,正如文档中所警告的那样。

解决方案演进

临时解决方案

在官方提供标准解决方案前,开发者可能会通过继承ChatAgent类并重写llm_response方法来实现功能:

class ForgettingAgent(ChatAgent):
    def __init__(self, *args, **kwargs):
        super().__init__(*args, **kwargs)
        self._tool_used_in_last_step = False

    def llm_response(self, query: None | str | ChatDocument = None) -> Optional[ChatDocument]:
        n_msgs = len(self.message_history)
        response = super().llm_response(query)
        if "TOOL:" in response.content:
            self._tool_used_in_last_step = True
            return response
        else:
            self._tool_used_in_last_step = False
            self.message_history.pop(-2) if len(self.message_history) > n_msgs else None
        return response

这种方法虽然有效,但既不优雅也不便于维护。

官方标准解决方案

Langroid项目在0.22.0版本中引入了更优雅的解决方案。现在,开发者可以通过在工具消息类中设置prevent_result_in_history=True属性来防止原始工具输出被存储在消息历史中。

实现原理是:当这个标志设置为True时,系统会自动从消息历史中移除原始工具输出,只保留处理后的结果。这种方法既保持了代码的简洁性,又提供了明确的控制机制。

最佳实践

在实际开发中,建议采用以下模式处理大型工具输出:

  1. 对于会产生大量原始数据的工具类,设置prevent_result_in_history=True
  2. 在工具处理逻辑中,先获取原始数据
  3. 对原始数据进行预处理,提取关键信息
  4. 返回处理后的简洁结果

这种模式既避免了上下文膨胀问题,又保持了对话流程的连贯性。

技术实现细节

在底层实现上,Langroid通过以下机制支持这一功能:

  1. 工具消息处理阶段会检查prevent_result_in_history标志
  2. 如果标志为True,系统会在处理完成后自动清理原始输出
  3. 清理操作不影响后续对话流程,因为系统已经保留了处理后的结果
  4. 整个过程对开发者透明,无需手动管理消息历史

总结

Langroid项目通过引入prevent_result_in_history机制,为处理大型工具输出提供了优雅的解决方案。这种方法不仅解决了上下文膨胀问题,还保持了API的简洁性和易用性,是处理类似场景的最佳实践。

登录后查看全文
热门项目推荐

热门内容推荐

最新内容推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
143
1.91 K
kernelkernel
deepin linux kernel
C
22
6
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
192
273
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
927
551
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
421
392
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
75
64
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
344
1.3 K
easy-eseasy-es
Elasticsearch 国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
36
8