Decoratorii register_for_llm și register_for_execution în Învață Microsoft AutoGen: Sisteme Multi-Agent & Conversații Autonome

Separarea clară între schema expusă către modelul LLM și mediul în care se execută funcția Python nativă.

Sintaxă & invocare
@user_proxy.register_for_execution(); @assistant.register_for_llm(description="...")

În AutoGen, conectarea funcțiilor Python native la agenți se face prin doi decoratori complementari:

from typing import Annotated

@user_proxy.register_for_execution()
@assistant.register_for_llm(description="Calculează reducerea aplicată unui produs comercial.")
def calculeaza_discount(
    pret: Annotated[float, "Prețul de bază în RON"],
    procent: Annotated[int, "Procentul de discount între 1 și 99"]
) -> float:
    return round(pret * (1 - procent / 100), 2)

Modelul înțelege schema prin docstring și type hints, iar execuția are loc în siguranță pe partea utilizatorului.

Învață AI • Comunitate & Q&A

Întrebări & Exemple practice: Decoratorii register_for_llm și register_for_execution

Ai o întrebare despre Decoratorii register_for_llm și register_for_execution sau ai descoperit un truc, prompt sau fragment de cod util? Distribuie-l cu ceilalți membri ai comunității!

🤖

Fii primul care pune o întrebare sau distribuie un fragment de cod / prompt!

Nu au fost adăugate încă întrebări sau resurse pentru această pagină. Dacă ai testat un prompt sau ai un snippet util, adaugă-l mai jos pentru comunitate.

Comunitate AI Adaugă o întrebare sau distribuie un cod / prompt

Moderare & Siguranță:

Pentru a menține calitatea și securitatea informațiilor, fiecare întrebare sau fragment de cod/prompt este analizat (manual sau prin moderare asistată de AI) înainte de publicare.