使用 OpenAGI 和 HuggingFace 模型构建智能体工作流

概述

在 AI Planet，我们创建了 OpenAGI，旨在普及类人智能体的访问，并通过 AI 解决现实生活中的问题。OpenAGI 提供了一个灵活的框架，供开发人员构建能够独立规划、推理和行动的自主智能体，提供超越传统 LLM 应用程序的功能。

主要特性

1. 灵活的智能体架构：支持顺序、并行和动态通信模式。
2. 简化集成：简化设置过程，克服智能体开发中的常见障碍。
3. 自动化与手动配置：提供自动化和手动配置选项，实现详细定制。

应用场景

• 教育：个性化学习体验和管理任务自动化。
• 金融：欺诈检测、风险评估、个性化建议和交易自动化。
• 医疗保健：患者监测、健康建议、数据管理和疾病诊断。

未来展望

我们正在加强智能体，通过经验和反馈来改进它们，目标是随着时间的推移，让专业智能体在特定任务上表现出色，例如专家级前端开发人员。

对比：LLM 与智能体

工作者、智能体和规划者

工作者

工作者是专门的类，负责执行管理员分配的任务。它们利用 LLM、搜索引擎和文档编写器等工具来完成任务。我们首先安装框架并导入必要的模块。接下来，我们将设置配置大型语言模型所需的环境变量。

pip install openagi

from openagi.actions.files import WriteFileAction
from openagi.actions.tools.ddg_search import DuckDuckGoNewsSearch
from openagi.actions.tools.webloader import WebBaseContextTool
from openagi.agent import Admin
from openagi.memory import Memory
from openagi.planner.task_decomposer import TaskPlanner
from openagi.worker import Worker
from openagi.llms.hf import HuggingFaceModel
import os

os.environ["HUGGINGFACE_ACCESS_TOKEN"] = "<your-hf-access-token>"

config =HuggingFaceModel.load_from_env_config()
llm =HuggingFaceModel(config=config)

我们定义每个工作者的角色以明确其职责。此外，我们提供说明，描述 LLM 在其角色中应如何表现。这些说明还可以包含背景故事和其他相关详细信息，以帮助生成所需的输出。

# define the role and instructions to each worker in granular 

researcher = Worker(
    role="Researcher",
    instructions="sample instruction.", #replace with your detailed instruction based on use case
    actions=[
        DuckDuckGoNewsSearch,
        WebBaseContextTool,
    ],
)
writer = Worker(
    role="Writer",
    instructions="sample instruction.", #replace with your detailed instruction based on use case
    actions=[
        DuckDuckGoNewsSearch,
        WebBaseContextTool,
    ],
)
reviewer = Worker(
    role="Reviewer",
    instructions="sample instruction.", #replace with your detailed instruction based on use case
    actions=[
        DuckDuckGoNewsSearch,
        WebBaseContextTool,
        WriteFileAction,
    ],
)

管理员（智能体）

Admin 类是 OpenAGI 中的核心组件，负责规划和执行任务。它利用 LLM、内存和各种操作来自主执行任务。主要组件 TaskWorker 提供了一种结构化的方式来定义和执行任务。TaskWorker 类专门执行规划者分配的特定任务。按照顺序将工作者分配给管理员，然后运行管理员对象。

# define the Admin with Planner, Memory and LLM. Further assign the workers in order
admin = Admin(
    planner=TaskPlanner(human_intervene=False),
    memory=Memory(),
    llm=llm,
)

# Assign sub-tasks to workers
admin.assign_workers([researcher, writer, reviewer])

res = admin.run(
    query="Write a blog post.",
    description="sample description.", #replace with your detailed description based on use case
)

合著者：Shivaya Pandey

加入社区

渴望探索 OpenAGI 并为项目贡献力量吗？

探索 GitHub 仓库

GitHub

此外，欢迎提出问题、提交拉取请求以贡献，别忘了给仓库加星，以获取最新开发动态。

OpenAGI 文档

OpenAGI

通过与社区协作，我们可以继续改进 OpenAGI，推动 AI 领域的创新。

您可以通过 Discord 联系我们

加入 AI Planet Discord 服务器！