利用OpenVINO搭建本地智能体流水线

作者：

杨亦诚  英特尔 AI 软件工程师

智能体 AI Agent 作为大模型的衍生应用，具有对任务的理解、规划与行动能力。它可以通过将一个复杂的用户请求拆分成不同的子任务，并依次调用外部工具来解决这些任务，并将其中每个任务步骤的执行结果，按预先规划的逻辑串联起来，从而达成最终的目的。

接下来我们就通过一个例子，演示如何利用 OpenVINO 工具套件在你的电脑上的一步步搭建本地智能体流水线。

 

1转换压缩LLM

首先要需要利用 Hugging Face 的 Optimum-intel 命令行工具将原始模型转化为 OpenVINO 的 IR 格式，并对其进行 int4 量化压缩，以实现本地部署的目的。这里我们选择通义千问团队近期发布的 Qwen2.5 大语言模型为例，它可以支持多种不同语言。其中最小3B参数版本的模型便可以对本示例进行复现。

 

 !optimum-cli export openvino --model "Qwen/Qwen2.5-3B-Instruct"--task text-generation-with-past --trust-remote-code --weight-format int4 --group-size 128 --ratio 1.0 --sym “Qwen2.5-3B-Instruct-int4-ov”

 

其中"Qwen/Qwen2.5-3B-Instruct"为模型的 HuggingFace 的模型 ID，如果在访问 Hugging Face 模型仓库时，发现网络限制，也可以通过 ModelScope 将原始模型下载到本地，并将该模型 ID 替换为模型的本地路径，例如："./model/Qwen2.5-3B-Instruct"。

 

2创建LLM任务

第二步同样可以利用 Optimum-intel 提供的 OpenVINO API 接口将模型部署在指定的硬件平台，这里可以通过指定 device=”gpu” 将模型加载到任意一个 Intel 的独显或是集显上，以最大化模型推理性能。

 

tokenizer = AutoTokenizer.from_pretrained(llm_model_path, trust_remote_code=True)


ov_config = {hints.performance_mode(): hints.PerformanceMode.LATENCY, streams.num(): "1", props.cache_dir(): ""}


llm = OVModelForCausalLM.from_pretrained(
    llm_model_path,
    device=llm_device.value,
    ov_config=ov_config,
    config=AutoConfig.from_pretrained(llm_model_path, trust_remote_code=True),
    trust_remote_code=True,
)

 

除了对模型对象进行初始化以外，还需要创建针对模型推理输出的后处理函数，主要目的是为了实现流式输出，以及设置停止字符，让 LLM 在调用工具前停止推理任务。

 

def text_completion(prompt: str, stop_words) -> str:
    im_end = "<|im_end|>"
    if im_end not in stop_words:
        stop_words = stop_words + [im_end]
    streamer = TextStreamer(tokenizer, timeout=60.0, skip_prompt=True, skip_special_tokens=True)


    stopping_criteria = StoppingCriteriaList([StopSequenceCriteria(stop_words, tokenizer)])
    input_ids = torch.tensor([tokenizer.encode(prompt)])
    generate_kwargs = dict(
        input_ids=input_ids,
        streamer=streamer,
        stopping_criteria=stopping_criteria,
    )
    output = llm.generate(**generate_kwargs)
    output = output.tolist()[0]
    output = tokenizer.decode(output, errors="ignore")
    assert output.startswith(prompt)
    output = output[len(prompt) :].replace("<|endoftext|>", "").replace(im_end, "")


    for stop_str in stop_words:
        idx = output.find(stop_str)
        if idx != -1:
            output = output[: idx + len(stop_str)]
    return output

 

3定义智能体Prompt模板

这一步也是决定智能体工作模式的关键，通过 Prompt 模板，我们将教会 LLM 一个常规任务的解决路径，以及有哪些类别的外部工具可能帮助它解决特定问题。可以看到在下面这个典型 ReAct 类 Prompt 模板中，我们定义外部工具的具体信息模板，以及 LLM 在执行任务过程中的输出模板，其中 “Observation” 后内容为外部工具调用后返回的结果，并非由 LLM 直接生成。可以看到在该模板中， LLM 可能会被执行多次，直到上下文中的信息足够回答用户请求。

 

TOOL_DESC = """{name_for_model}: Call this tool to interact with the {name_for_human} API. What is the {name_for_human} API useful for? {description_for_model} Parameters: {parameters}"""


PROMPT_REACT = """Answer the following questions as best you can. You have access to the following APIs:


{tools_text}


Use the following format:


Question: the input question you must answer
Thought: you should always think about what to do
Action: the action to take, should be one of [{tools_name_text}]
Action Input: the input to the action
Observation: the result of the action
... (this Thought/Action/Action Input/Observation can be repeated zero or more times)
Thought: I now know the final answer
Final Answer: the final answer to the original input question


Begin!


Question: {query}"""

 

4输出过滤与工具定义

由于智能体需要和外部工具频繁交互，发出指令并获取工具反馈结果，因此我们需要在 LLM 输出时，判断哪些关键词代表模型需要调用工具，哪些关键词代表收集工具反馈结果。在这里例子中，当 LLM 输出 “Action:" 后的字符，代表接下来需要调用的工具函数名称，输出 “Action Input” 后的字符，代表输入给该工具的输入参数，以及 “Observation” 代表接下来需要直接输出工具的执行结果，因此它也是终止当前 LLM 推理任务的特殊字符。

 

def parse_latest_tool_call(text):
    tool_name, tool_args = "", ""
    i = text.rfind("
Action:")
    j = text.rfind("
Action Input:")
    k = text.rfind("
Observation:")
    if 0 <= i < j:  # If the text has `Action` and `Action input`,
        if k < j:  # but does not contain `Observation`,
            # then it is likely that `Observation` is ommited by the LLM,
            # because the output text may have discarded the stop word.
            text = text.rstrip() + "
Observation:"  # Add it back.
        k = text.rfind("
Observation:")
        tool_name = text[i + len("
Action:") : j].strip()
        tool_args = text[j + len("
Action Input:") : k].strip()
        text = text[:k]
    return tool_name, tool_args, text

 

为了告诉 LLM 什么时候该调用什么工具，以及这些工具的基本输入和输入参数格式，我们在完成工具函数的编写后，还需要以字典的形式，将这些信息送入先前定义的 Prompt 模板中，参考示例如下：

 

tools = [
    {
        "name_for_human": "get weather",
        "name_for_model": "get_weather",
        "description_for_model": 'Get the current weather in a given city name."',
        "parameters": [
            {
                "name": "city_name",
                "description": "City name",
                "required": True,
                "schema": {"type": "string"},
            }
        ],
    },
    {
        "name_for_human": "image generation",
        "name_for_model": "image_gen",
        "description_for_model": "AI painting (image generation) service, input text description, and return the image URL drawn based on text information.",
        "parameters": [
            {
                "name": "prompt",
                "description": "describe the image",
                "required": True,
                "schema": {"type": "string"},
            }
        ],
    },
]

 

在这个例子中，我们定义一个天气查询工具以及一个文生图工具，他们分别会调用响应的 API 服务完成响应任务。

5构建智能体

接下来我们需要将以上定义的函数串联起来，构建一个简单的智能体流水线。第一步会将用户请求经 Prompt 模板格式化后送入 LLM，接下来解析 LLM 输出，并判断是否需要调用外部工具 “Action” 。如果需要调用外部工具，则智能体会运行该工具函数，获得运行结果，最后将结果数据合并到下一轮的输入 Prompt 中，由 LLM 判断是否还需要再次调用其他工具，再进行一次循环，如果不需要调用工具，并且当前得到的信息已经可以满足用户请求，那 LLM 将整合并基于这个过程中所有的 “Observation” 信息，输出最终答案 “Final Answer”。

 

    while True:
        output = text_completion(planning_prompt + text, stop_words=["Observation:", "Observation:
"])
        action, action_input, output = parse_latest_tool_call(output)
        if action:
            observation = call_tool(action, action_input)
            output += f"
Observation: = {observation}
Thought:"
            observation = f"{observation}
Thought:"
            print(observation)
            text += output
        else:
            text += output
            break

 

该示例的运行效果如下，这里我们让智能体“根据当前伦敦的天气，生成一张大本钟的照片”。可以看到智能体按照我们既定的 Prompt 策略，将用户问题拆分后，分别调用预先定义的不同工具，根据用户要求得到最终结果。当然你也可以用中文向它发出请求。

 

query = "get the weather in London, and create a picture of Big Ben based on the weather information"


response, history = llm_with_tool(prompt=query, history=history, list_of_tool_info=tools)

 

“Thought: First, I need to use the get_weather API to get the current weather in London.

Action: get_weather

Action Input: {"city_name": "London"}

Observation:

{'current_condition': {'temp_C': '11', 'FeelsLikeC': '10', 'humidity': '94', 'weatherDesc': [{'value': 'Overcast'}], 'observation_time': '12:23 AM'}}

Thought:

 Now that I have the weather information, I will use the image_gen API to generate an image of Big Ben based on the weather conditions.

Action: image_gen

Action Input: {"prompt": "Big Ben under overcast sky with temperature 11°C and humidity 94%"}

Observation:

{"image_url": "https://image.pollinations.ai/prompt/Big%20Ben%20under%20overcast%20sky%20with%20temperature%2011%C2%B0C%20and%20humidity%2094%25"}

Thought:

 The image has been generated successfully.

Final Answer: The current weather in London is overcast with a temperature of 11°C and humidity of 94%. Based on this information, here is the image of Big Ben under an overcast sky: “

6总结

该示例以 OpenVINO 作为 LLM 的推理后端，一步步构建起了一个简单的智能体流水线，可以看到这个示例中除了 Optimum-intel，没有其他外部依赖需要安装，因此它也是一个非常基础的的智能体构建过程。除此以外，该示例使用 3B 大小 SLM 便可以实现该智能体的构建，同时带来不错的性能表现，是非常适合在本地构建的智能体示例。