第 9 天：圣诞老人的自我反思礼物代理 🎁

北极的精灵 Pash 有一个挑战。每年，圣诞老人需要处理数百万份礼物请求，并根据孩子们的愿望清单和预算限制来优化他的礼物选择。其他精灵经常会问：“我们应该给喜欢科学的 9 岁孩子买什么礼物？”或者“如何在预算内最大化快乐？” 🎁

今年，精灵 Pash 有一个解决这个问题的想法：创建一个能够自动优化礼物选择的自我反思代理！当他尝试 LLM 时，他意识到简单的礼物建议是不够的——代理需要反思它的选择，以确保它们是最优的。作为一名 Haystack 精灵，Pash 知道如何解决这个问题：自我反思！💭

所以，他提出了一个计划。圣诞老人将使用 Haystack 的 RAG 管道和 MongoDB Atlas 向量搜索来创建一个礼物推荐系统，并增强一个自我反思组件，该组件可以根据预算、年龄适宜性和快乐因素来优化礼物选择！✨

对于这个挑战，你必须帮助精灵 Pash 创建一个可以通过自我反思来建议和优化礼物选择的管道。

• 实现一个可以优化礼物选择的自我反思代理
• 使用 MongoDB Atlas 向量搜索进行语义礼物匹配
• 将价格、年龄范围和类别纳入礼物考虑因素
• 确保所有建议都保持在指定预算内

🎯 要求

• 要使用此 notebook 中的默认嵌入和文本生成模型，您需要一个 OpenAI API 密钥。或者，您可以用更适合您需求的模型替换这些模型。
• 一个带有 Atlas 集群的 MongoDB Atlas 项目（免费套餐即可）。创建您的集群，记下您的 连接字符串，并在您的网络访问列表中包含 0.0.0.0/0 地址。访问 详细教程 以获取分步指南。

💝 一些提示

• 在文档嵌入器的 meta_fields_to_embed 中包含礼物元数据
• 创建一个自定义组件用于礼物优化检查，您在第 3 天已经看到过
• 在 Pipeline 中使用 max_runs_per_component 参数进行可控的自我反思
• 启用 实时管道日志记录 来检查流经您代理管道的数据
• 查看我们的 DeepLearning.AI 课程 使用 Haystack 构建 AI 应用程序 或 Web 增强型自我反思代理 以获取类似示例

💚 这里是 入门 Colab