Atomic Agents：构建轻量级模块化AI智能体框架

综合介绍

Atomic Agents 是一个围绕原子性概念设计的极其轻量级和模块化的框架，用于构建代理AI管道和应用程序。该框架提供了一组工具和代理，可以组合创建强大的应用程序。它基于 Instructor 构建，并利用 Pydantic 进行数据和模式验证与序列化。所有逻辑和控制流都用 Python 编写，使开发者能够应用传统软件开发中的最佳实践和工作流程，而不影响灵活性或清晰度。Atomic Agents 旨在通过模块化、可预测性、可扩展性和控制性来满足企业对一致性和可靠性输出的需求。

推荐阅读：再见 LangChain！Atomic Agent火了！

功能列表

• 模块化：通过组合小型、可重用的组件来构建AI应用程序。
• 可预测性：定义清晰的输入和输出模式，确保行为一致。
• 可扩展性：轻松替换组件或集成新组件，而不会破坏整个系统。
• 控制性：单独微调系统的每个部分，从系统提示到工具集成。
• 数据验证：利用 Pydantic 进行数据和模式验证与序列化。
• Python开发：所有逻辑和控制流都用 Python 编写，便于开发者使用。

使用帮助

安装流程

1. 确保已安装 Python 3.11 或更高版本。
2. 使用 pip 安装 Atomic Agents：

   pip install atomic-agents

3. 根据需要安装提供者，例如 OpenAI 和 Groq：

   pip install openai groq

使用指南

创建代理

1. 定义系统提示：确定代理的行为和目的。
2. 定义输入模式：指定代理输入的结构和验证规则。
3. 定义输出模式：指定代理输出的结构和验证规则。
4. 存储记忆：保存对话历史或其他相关数据。
5. 上下文提供者：在运行时将动态上下文注入代理的系统提示中。

示例代码

from atomic_agents import Agent, SystemPrompt, InputSchema, OutputSchema
# 定义系统提示
system_prompt = SystemPrompt("你是一个帮助用户解决问题的AI助手。")
# 定义输入和输出模式
input_schema = InputSchema({"type": "object", "properties": {"question": {"type": "string"}}})
output_schema = OutputSchema({"type": "object", "properties": {"answer": {"type": "string"}}})
# 创建代理
agent = Agent(system_prompt=system_prompt, input_schema=input_schema, output_schema=output_schema)
# 使用代理
response = agent.run({"question": "今天的天气怎么样？"})
print(response["answer"])

开发工作流程

1. 创建新分支：为新功能或修复创建分支。

   git checkout -b feature-branch

2. 进行代码更改：在适当的项目目录中进行更改。
3. 格式化代码：使用 Black 格式化代码。

   black atomic_agents

4. 代码检查：使用 Flake8 进行代码检查。

   flake8 atomic_agents

5. 运行测试：确保所有测试通过。

   pytest --cov atomic_agents

6. 提交更改：提交并推送到远程仓库。

   git commit -m 'Add some feature'
git push origin feature-branch

7. 创建拉取请求：在 GitHub 上创建拉取请求，描述更改内容并链接相关问题。