Theodore Teach
Theodore Teach
> > > > 灵 > > > > > > > > > 请问您现在的问题是可以正常运行，但是结果不尽人意嘛？Agent的运行和base model的性能确实有关，您可以试下deepseek v3，deepseek r1，和qwen max这种大参数模型。Claude-3.5 和gpt-4o当然是首选。 > > > > > > Tell me what do...
好的，我看一下。
> 有具体的例子吗？得看下是llm输出为空，还是agent的实现有问题  ken可能是这个地方的问题。没有找到对应的agent的name，就会返回空列表，然后模型就不返回任何东西了。
rag和mem里面的api_key也配上。
> 好的，谢谢了，我去试一试！ > […](#) 你要是跑通了说一下，我现在卡在加载界面
> 发生异常: AttributeError type object 'Chroma' has no attribute 'from_decuments' File "/bailing-main/bailing/rag.py", line 56, in init vector_store = Chroma.from_decuments(documents=splits, embedding=embedding_model) File "/bailing-main/bailing/rag.py", line 27, in **new** cls._instance.init(config) # 初始化实例属性 File...
32b的模型弱了点，你需要修改你的prompt，增强注意提示。
agent的记忆来自于messages啊，各个用户肯定要保留各个的对话历史，构造messages，这时候把信息放进去不久妥了
> 现在[RapidTable](https://github.com/RapidAI/RapidTable)的表格识别能力已经足够优秀，但是对于合并单元格的表格，识别效果依旧有所欠缺，对于这些合并单元格的表格，[TableStructureRec](https://github.com/RapidAI/TableStructureRec)更具有优势，目前我会使用MinerU项目提取PDF，但我会关闭表格识别，因为即时使用RapidTable或其他两个模型，对于单元格合并的问题依旧有出现错误，然后我会单独对表格重新使用TableStructureRec项目中的wired_table_rec进行提取。 我感觉这俩服务的效果也不好啊。
> 现在qwen-agent默认的就是parallel_tool_calls哈，不需要传参数 谢谢你的回复。我还有个问题，就是模型消耗的token怎么可以获取的到呢？直接run的结果好像没有这个信息了。