Update agent.py

agent.py

@@ -51,91 +51,79 @@ class GaiaAgent:
     # --- END OF MISSING METHOD ---
     
     def process_task(self, task_description: str) -> str:
-        # Enkel instruktion till LLM för att utföra uppgiften
-        # Vi måste bygga en prompt som instruerar modellen att använda verktyg.
+        # Instruction to the LLM to perform the task and use tools.
+        # We need to build a prompt that instructs the model to use tools.
         
-        # Instruktioner till modellen för att svara och använda verktyg
         prompt = f"""
-        Du är en expertagent med tillgång till ett sökverktyg.
-        Använd alltid sökverktyget om du behöver information som inte finns i din träningsdata eller om du behöver validera fakta.
-        Försök alltid att svara på uppgiften heltäckande.
+        You are a helpful and expert AI assistant with access to a search tool.
+        Your task is to carefully and accurately answer questions by using the search tool when necessary.
+        Always provide a complete and correct answer based on the information you find.
 
-        Dina tillgängliga verktyg:
-        1. search_tavily(query: str): Söker på Tavily och returnerar relevanta resultat.
+        Your available tools:
+        1. search_tavily(query: str): Searches on Tavily and returns relevant results.
+           Use this tool to find information on the internet that you don't know or need to verify.
 
-        För att använda ett verktyg, skriv det på följande format:
+        To use a tool, write it in the following exact format:
         <TOOL_CODE>
-        verktygsnamn("fråga till verktyget")
+        tool_name("your search query")
         </TOOL_CODE>
-
-        Exempel:
-        För att söka efter information om Mars:
+        Example:
+        If you need to know the capital of France:
         <TOOL_CODE>
-        search_tavily("information om Mars")
+        search_tavily("capital of France")
         </TOOL_CODE>
 
-        När du har hittat all nödvändig information och är redo att svara, skriv ditt slutgiltiga svar.
+        When you have found all the necessary information and are ready to answer the task, provide your final answer.
         
-        Uppgift: {task_description}
+        Task: {task_description}
         """
 
-        max_iterations = 3 # Begränsa iterationer för att undvika oändliga loopar
+        max_iterations = 3
         current_response = ""
 
         for i in range(max_iterations):
-            # Skapa prompten för den aktuella iterationen
-            full_prompt = prompt + current_response + "\n\nVad är nästa steg eller ditt slutgiltiga svar?"
+            full_prompt = prompt + current_response + "\n\nWhat is the next step or your final answer?"
             
-            print(f"[{i+1}/{max_iterations}] Genererar svar med promptlängd: {len(full_prompt)}")
+            print(f"[{i+1}/{max_iterations}] Generating response with prompt length: {len(full_prompt)}")
             
-            # Generera svar från modellen
-            # max_new_tokens är viktig för att styra svarets längd
             generated_text = self.text_generator(
                 full_prompt, 
-                max_new_tokens=1024, # Justera vid behov
+                max_new_tokens=1024, # Behold 1024 eller öka om behövs
                 num_return_sequences=1,
-                pad_token_id=self.tokenizer.eos_token_id, # Viktigt för T5/Gemma
-                do_sample=True, # Aktivera sampling för mer variation
-                top_k=50, top_p=0.95, # Typiska samplingparametrar
-                temperature=0.8 # Kontrollera kreativitet
+                pad_token_id=self.tokenizer.eos_token_id,
+                do_sample=True,
+                top_k=50, top_p=0.95,
+                temperature=0.8 # Behold 0.8 eller justera vid behov
             )[0]['generated_text']
 
-            # Extrahera endast den nya delen av texten (modellen genererar hela prompten + nytt svar)
             new_content = generated_text[len(full_prompt):].strip()
-            print(f"Modellgenerering: {new_content}")
+            print(f"DEBUG - Full generated_text: \n---START---\n{generated_text}\n---END---")
+            print(f"DEBUG - Extracted new_content: '{new_content}'")
 
-            # Kontrollera om modellen vill använda ett verktyg
             if "<TOOL_CODE>" in new_content and "</TOOL_CODE>" in new_content:
                 start_index = new_content.find("<TOOL_CODE>") + len("<TOOL_CODE>")
                 end_index = new_content.find("</TOOL_CODE>")
                 tool_call_str = new_content[start_index:end_index].strip()
                 
-                print(f"Verktygskall upptäckt: {tool_call_str}")
+                print(f"Tool call detected: {tool_call_str}")
                 
                 try:
-                    # EVAL är farligt i verkliga applikationer, men för GAIA och detta specifika verktyg är det OK.
-                    # Säkerställ att endast godkända funktioner kan kallas.
                     if tool_call_str.startswith("search_tavily("):
-                        # Extrahera argumenten till funktionen
-                        # En mer robust parser skulle behövas för mer komplexa verktyg
                         query = tool_call_str[len("search_tavily("):-1].strip().strip('"').strip("'")
                         tool_output = search_tavily(query)
-                        print(f"Verktygsresultat: {tool_output[:200]}...") # Printa kortfattat
-                        current_response += f"\n\nVerktygsresultat från {tool_call_str}:\n{tool_output}\n"
+                        print(f"Tool result: {tool_output[:200]}...")
+                        current_response += f"\n\nTool Result from {tool_call_str}:\n{tool_output}\n"
                     else:
-                        tool_output = f"Okänt verktyg: {tool_call_str}"
-                        print(f"Fel: {tool_output}")
+                        tool_output = f"Unknown tool: {tool_call_str}"
+                        print(f"Error: {tool_output}")
                         current_response += f"\n\n{tool_output}\n"
                 except Exception as tool_e:
-                    tool_output = f"Fel vid körning av verktyg {tool_call_str}: {tool_e}"
-                    print(f"Fel: {tool_output}")
+                    tool_output = f"Error running tool {tool_call_str}: {tool_e}"
+                    print(f"Error: {tool_output}")
                     current_response += f"\n\n{tool_output}\n"
             else:
-                # Modellen har genererat ett svar utan att kalla verktyg
                 final_answer = new_content
-                print(f"Slutgiltigt svar från modellen:\n{final_answer}")
+                print(f"Final answer from model:\n{final_answer}")
                 return final_answer.strip()
 
-        # Om max_iterations nås utan slutgiltigt svar
-        return "Agenten kunde inte slutföra uppgiften inom tillåtet antal iterationer. Senaste svar: " + new_content.strip()
-            
+        return "Agent could not complete the task within the allowed iterations. Latest response: " + new_content.strip()