邮件搜索例子

邮件搜索例子#

这个示例展示了一个多轮邮件搜索工作流，内容参考自 ART。我们实现了一个 ReAct Agent，并定义了用于邮件搜索的工具。注意：此示例需要安装 AgentScope。

核心组件#

我们需要定义一些组件：

  • EmailSearchWorkflow：协调整个流程的主类。它负责初始化环境、管理 Agent 并执行任务。

  • EmailSearchAgent：操作的“大脑”。

    • 接收用户的查询和系统提示。

    • 决定采取哪些操作（例如使用哪个工具）。

    • 基于 AgentScope 框架构建。

  • 工具（Tools）：Agent 可调用以与环境交互的函数。根据代码，这些工具可能包括：

    • search_email：查找相关邮件。

    • read_email：读取特定邮件的内容。

    • generate_response：在找到答案后生成最终回复。该工具可继承自 AgentScope 框架。

  • Judge LLM：用于评估 Agent 表现的评判模型，通过 auxiliary_models 定义。

运行实验#

第一步：准备数据#

运行以下命令准备数据：

python trinity/common/workflows/envs/email_searcher/prepare_data.py

如果你想选择一个新的数据库路径，可以修改 [prepare_data.py] 中的 DEFAULT_DB_PATH。此外，在进入下一步之前，请记得设置环境变量 DEFAULT_EMAIL_DB_PATH 指向该数据库路径。

第二步：运行工作流#

配置文件位于 email_search.yaml。 要运行此示例，可执行以下命令：

trinity run --config examples/grpo_email_search/email_search.yaml

评估结果#

结果如下图所示（准确率范围为 -0.1 到 1.0）：

目录