Personnalisation

Si vous voulez ajouter des fonctions de recherches à BDS1 il vaut mieux utiliser un LLM qui peut gérer suffisament de contexte, le contexte max affiché par les fournisseurs et beaucoup plus élevé que le contexte qu’un LLM peut gérer efficacement, la plupart des LLM qui affichent un contexte max de 164k ne sont pas très performants lorsque le contexte dépasse 60k ou 80k tokens.

BDS1 dans sa version de base est fait pour fonctionner avec des LLM comme Deepseek V3.1 Terminus, Minimax M2 ou GLM 4.6, pour ces LLM je vous conseille de ne pas ajouter plus d’une fonction de recherches.

Plus la recherche avance plus le contexte du LLM se rempli donc il vaut mieux avoir 5 fonctions de recherches au cycle 1, 4 fonctions aux cycles 2 et 3 et seulement 3 fonctions au cycle 4, pour ne pas que le LLM soit surchargé à la fin.

Pour ajouter des fonctions il faut installer l’outil, le cocher dans les paramètres de l’agent BDS1 et ajouter la commande de la function suivie des paramètres entre parenthèses et accolades ({}).

Ajouter une recherche RAG

Si vous avec vectorisé (embedding) des document pour créer un RAG, pour l’utiliser il vous faut un outil qui recherche dans votre RAG et ensuite pour chaque cycle ajouter la commande d’execution de la fonction de recherche RAG en dessous des fonctions de recherches déjà présentes aux étapes 3, 10, 17 et 25.

Par exemple, si la fonction s’appelle “find”, pour le premier cycle vous aurez les trois fonctions pour rechercher sur internet suivie de la fonction “find” pour chercher sur le RAG qui fera des recherches en fonction des mots clés A1, il ne faut pas lui fournir le paramètre “query_2” qui est spécial à l’outil Brained Search.

main_xng_smart_search({“query”: “keywords-A1”, “query_2”: “tool-query-A”}) xng_smart_search({“query”: “keywords-A3”, “query_2”: “tool-query-A”}) xng_smart_search({“query”: “keywords-A4”, “query_2”: “tool-query-A”}) find({“query”: “keywords-A1”})

Ajouter une recherche LangSearch

LangSearch fourni deux API gratuites, une pour la recherche (comme SearXNG ou DDGS), et une pour le rerank (vectorisation) qui fournit seulement les informations en rapport avec les mots clés, vous pouvez facilement ajouter une fonction de recherche LangSearch à BDS1, la fonction de l’outil est search_and_rerank.

main_xng_smart_search({“query”: “keywords-A1”, “query_2”: “tool-query-A”}) search_and_rerank({“query”: “keywords-A1”}) xng_smart_search({“query”: “keywords-A3”, “query_2”: “tool-query-A”}) xng_smart_search({“query”: “keywords-A4”, “query_2”: “tool-query-A”})