RestGPT，https://restgpt.github.io，让大模型连接真实世界的 Restful API
在构建 AI Agent 时，检索增强（Retrieval-Augmented Generation，RAG）是提的比较多的，它可以缓解大模型的幻觉问题，还有一点也十分重要，那就是工具增强（Tools-Augmented），让大模型可以正确地选择工具，并依次执行任务，最后达到期望的效果。
RestGPT 采用迭代式从粗到精的在线规划框架，让 LLM 逐步找到合适的 API，并在它设定的程序执行器中完成程序执行；整个过程有点类似广度优先算法，先找到 API 集合再找到详细的 API，然后利用 LLM 的推理能力，将多个 API 组合成调用链。
框架要求输入 API 文档和 Response Schema 信息，其效果相比 ReAct、Reflexion 等框架，包括对比 ChatGPT，都要好出 10%~160%。
我详细看了论文对应的项目代码，https://github.com/Yifan-Song793/RestGPT，主要依靠 Prompt 以及循环执行来完成任务规划，实现过程较为简单，而 Prompt 写的过于复杂。这个思路是值得借鉴的，实际使用过程还是建议自己重新撸一份代码。
视频演示了使用 TMDB 电影数据库搜索 Sofia Coppola 导演的电影总量：
在构建 AI Agent 时，检索增强（Retrieval-Augmented Generation，RAG）是提的比较多的，它可以缓解大模型的幻觉问题，还有一点也十分重要，那就是工具增强（Tools-Augmented），让大模型可以正确地选择工具，并依次执行任务，最后达到期望的效果。
RestGPT 采用迭代式从粗到精的在线规划框架，让 LLM 逐步找到合适的 API，并在它设定的程序执行器中完成程序执行；整个过程有点类似广度优先算法，先找到 API 集合再找到详细的 API，然后利用 LLM 的推理能力，将多个 API 组合成调用链。
框架要求输入 API 文档和 Response Schema 信息，其效果相比 ReAct、Reflexion 等框架，包括对比 ChatGPT，都要好出 10%~160%。
我详细看了论文对应的项目代码，https://github.com/Yifan-Song793/RestGPT，主要依靠 Prompt 以及循环执行来完成任务规划，实现过程较为简单，而 Prompt 写的过于复杂。这个思路是值得借鉴的，实际使用过程还是建议自己重新撸一份代码。
视频演示了使用 TMDB 电影数据库搜索 Sofia Coppola 导演的电影总量：
