Interpréteur de code Python

Aperçu

L'interpréteur de code Python permet à votre agent de générer et d'exécuter du code Python dynamiquement en réponse aux demandes des utilisateurs. Contrairement aux outils prédéfinis avec des fonctions fixes, cet interpréteur permet à votre agent d'écrire une logique Python personnalisée à la volée pour les statistiques, l'analyse de données, la création de graphiques, les transformations et toute autre tâche informatique.

Cet outil est idéal lorsque vous avez besoin de flexibilité pour gérer des demandes ad-hoc qui ne correspondent pas à des flux de travail prédéfinis.

Comparaison avec Python Code Execution :

L'outil Python Code Execution vous oblige à définir une fonction Python spécifique à l'avance avec des paramètres et une structure fixes. En revanche, l'interpréteur de code Python permet à votre agent de générer du code dynamiquement en fonction de chaque demande. Choisissez Python Code Execution pour les tâches répétitives et bien définies ; utilisez l'interpréteur de code Python pour les opérations flexibles, exploratoires ou ad-hoc.

Prérequis

• Accès à l'interface de gestion des compétences Swiftask

• Un agent existant où vous souhaitez ajouter cet outil

• Compréhension des opérations que votre agent devrait effectuer (par exemple, analyse de données, génération de graphiques, calculs statistiques)

Guide étape par étape

Étape 1 : Accéder à l'interpréteur de code Python

Dans la section des compétences ou des outils, sélectionnez Python code interpreter parmi les catégories d'outils disponibles.

Étape 2 : Entrer un nom d'outil

Dans le champ Name, fournissez un nom descriptif pour cette instance d'outil (par exemple, "Data Analyzer", "Chart Generator", "Statistical Calculator"). Ce nom aide vous et votre équipe à identifier l'objectif de l'outil.

Étape 3 : Écrire une description de fonction de compétence

Dans le champ Skill Function, décrivez ce que cet outil fait et quand l'agent devrait l'utiliser. Soyez clair et spécifique pour que l'agent comprenne quand l'invoquer.

Exemples de descriptions :

• "Utiliser pour exécuter des commandes Python pour l'analyse de données, les statistiques et les transformations"

• "Générer des graphiques et des visualisations à partir de données"

• "Effectuer des calculs complexes et du traitement de données"

Étape 4 : Enregistrer l'outil

Cliquez sur Save pour enregistrer la configuration de votre outil. L'outil est maintenant disponible pour que votre agent l'utilise.

Cas d'usage pratiques

Cas 1 : Analyse de données et insights
Un utilisateur télécharge un fichier CSV et demande à votre agent « analyser ces données et me dire la moyenne, la médiane et l'écart-type de la colonne des ventes ». L'agent utilise l'interpréteur de code Python pour générer du code qui lit le fichier, effectue les calculs et retourne les résultats, tout cela sans que vous ayez besoin de définir la fonction exacte au préalable.

Cas 2 : Génération de graphiques
Un utilisateur demande « créer un graphique en barres montrant les tendances des revenus trimestriels ». Votre agent génère du code Python en utilisant matplotlib ou des bibliothèques similaires pour créer et afficher le graphique, en s'adaptant à la structure de données spécifique fournie.

Cas 3 : Transformation de données
Un utilisateur demande « supprimer les doublons de cet ensemble de données et trier par date ». L'agent écrit du code Python pour effectuer ces transformations dynamiquement, en gérant divers formats et structures de données.

Cas 4 : Analyse statistique
Un chercheur a besoin d'effectuer une analyse exploratoire sur un ensemble de données. L'agent génère du code pour calculer les corrélations, exécuter des tests statistiques et fournir des insights, chaque demande générant un nouveau code adapté à la question spécifique.

Conseils et bonnes pratiques

• Soyez descriptif dans le champ Skill Function : Plus votre description est claire, mieux votre agent comprend quand et comment utiliser cet outil.

• Testez d'abord avec des demandes simples : Après avoir ajouté l'outil, testez votre agent avec des tâches Python simples avant de passer à des opérations complexes.

• Fournissez du contexte dans les instructions de votre agent : Mentionnez dans les instructions principales de votre agent qu'il peut utiliser cet outil pour les opérations de données, afin qu'il sache quand l'invoquer.

• Gérez les erreurs avec grâce : Laissez votre agent expliquer clairement les erreurs aux utilisateurs (par exemple, « Le format des données ne correspond pas à la structure attendue »).

• Exploitez la base de connaissances : Combinez cet outil avec la base de connaissances de votre agent pour qu'il puisse référencer la documentation ou des exemples lors de la génération de code.

• Surveillez les performances : Les opérations complexes peuvent prendre du temps ; définissez les attentes des utilisateurs concernant le temps d'exécution pour les grands ensembles de données.

Dépannage

Problème : L'agent n'utilise pas l'outil même lorsqu'on lui demande d'analyser des données

Cause : La description de la fonction de compétence est peu claire, ou les instructions principales de l'agent ne mentionnent pas les capacités d'analyse de données.

Solution : Mettez à jour la description de la fonction de compétence pour être plus explicite (par exemple, « Utiliser pour générer et exécuter du code Python pour l'analyse de données, les statistiques, les graphiques et les transformations »). Ajoutez également une note aux instructions principales de votre agent indiquant qu'il peut utiliser cet outil pour les opérations de données.

Problème : L'exécution du code échoue ou retourne des erreurs

Cause : Le format des données ne correspond pas à ce que le code généré attend, ou les bibliothèques requises ne sont pas disponibles.

Solution : Assurez-vous que votre agent fournit un retour clair sur les exigences de format des données. Testez d'abord l'outil avec des données bien structurées (par exemple, CSV ou JSON). Si des bibliothèques spécifiques sont nécessaires, mentionnez-les dans la description de la fonction de compétence.

Problème : Le code généré est inefficace ou excessivement complexe

Cause : L'agent génère du code verbeux, ou la demande est ambiguë.

Solution : Ajoutez des exemples aux instructions de votre agent montrant le style de codage préféré. Soyez précis dans les demandes (par exemple, « calculer la moyenne en utilisant numpy » plutôt que simplement « calculer la moyenne »).

Quand utiliser Python code interpreter par rapport à Python Code Execution

Ressources supplémentaires

• Outil Python Code Execution : pour les tâches basées sur des fonctions prédéfinies