AIEvo: Ein effizientes Rahmenwerk für die Erstellung multiintelligenter kollaborativer Anwendungen

Allgemeine Einführung

AIEvo ist das Open-Source-Multi-Agent-Framework der Ant Group, das für die effiziente Erstellung von Multi-Agent-Anwendungen entwickelt wurde. Das Framework folgt strikt dem SOP-Aufgabengraphen, um die Erfolgsrate bei der Ausführung komplexer Aufgaben zu verbessern, und gewährleistet durch Feedback- und Überwachungsmechanismen eine hohe Flexibilität und Skalierbarkeit.AIEvo wurde in der internen Produktionsumgebung der Ant Group mit Stabilität und Zuverlässigkeit validiert. Benutzer können AIEvo verwenden, um eine Vielzahl von Multi-Agenten-Anwendungen zu erstellen, wie z.B. Debattierwettbewerbe, Werwolf-Tötungsspiele, Undercover-Spiele usw., sowie Einzel-Agenten-Anwendungen, wie z.B. einen Ingenieur-Agenten, der Code-Schreibaufgaben erledigt.

Funktionsliste

• Hohe SOP-KonformitätDurchführung komplexer Aufgaben unter strikter Einhaltung der SOP-Aufgabenpläne.
• Hohe Erfolgsquote bei der UmsetzungVerbesserung des Missionserfolgs durch Feedback- und Überwachungsmechanismen.
• hohe FlexibilitätDynamische Aufgabenerstellung und Abonnementeinstellungen auf der Grundlage von Aufgabenattributen werden unterstützt.
• SkalierbarkeitBietet zahlreiche Erweiterungspunkte zur Unterstützung benutzerdefinierter Erweiterungs-Frameworks.
• UnternehmensüberprüfungValidiert in der internen Produktionsumgebung der Ant Group, um die Stabilität und Zuverlässigkeit des Frameworks zu gewährleisten.
• Beispiel einer Multi-Agenten-AnwendungUnterstützt die Erstellung von Debattenwettbewerben, Werwolfspielen, Undercover-Spielen und anderen Multi-Agenten-Anwendungen.
• Beispiel einer EinzelagentenanwendungUnterstützung bei der Erstellung von Ingenieur-Agenten, die Aufgaben zum Schreiben von Code erledigen.

Hilfe verwenden

Ablauf der Installation

1. Klon-Lager: Führen Sie den folgenden Befehl in einem Terminal aus, um das AIEvo-Repository zu klonen:

   git clone https://github.com/antgroup/aievo.git

2. Zugang zum Katalog: Geben Sie den geklonten AIEvo-Katalog ein:

   cd aievo

3. Installation von AbhängigkeitenInstallieren Sie die erforderlichen Abhängigkeiten gemäß der Abhängigkeitsdatei des Projekts:

   aufgeräumt gehen

Richtlinien für die Verwendung

Erstellen von Multi-Agenten-Anwendungen

1. Initialisierung des Basismodellclients::

   client, err := openai.New(openai.WithToken(os.Getenv("OPENAI_API_KEY")), openai.WithModel(os.Getenv("OPENAI_MODEL")), openai. WithBaseURL(os.Getenv("OPENAI_BASE_URL")))
withBaseURL(os.Getenv("OPENAI_BASE_URL"))) = nil {
log.Fatal(err)
}

2. Werkzeuge zur Dateibearbeitung::

   fileTools, _ := file.GetFileRelatedTools(Arbeitsbereich)

3. Werkzeug zur Befehlsausführung::

   bashTool, _ := bash.New()

4. Werkzeugsatz erstellen::

   engineerTools := make([]tool.Tool, 0)
engineerTools = append(engineerTools, fileTools...)
engineerTools = append(engineerTools, bashTool)

5. Rückrufprozessor::

   callbackHandler := &CallbackHandler{}

6. Definition des Umfelds::

   env := environment.NewEnv()

7. Bauagenten::

   Ingenieur, _ := agent.NewBaseAgent(
agent.WithName("Ingenieur"),
agent.WithDesc(IngenieurBeschreibung),
agent.WithPrompt(IngenieurPrompt), agent.
agent.WithInstruction(SingleAgentInstructions), agent.
agent.WithVars("sop", Workflow), agent.
agent.WithVars("Arbeitsbereich", Arbeitsbereich), agent.
agent.WithTools(engineerTools), )
)

Erstellen einer Einzelagentenanwendung

1. Initialisierung des Basismodellclients::

   client, err := openai.New(openai.WithToken(os.Getenv("OPENAI_API_KEY")), openai.WithModel(os.Getenv("OPENAI_MODEL")), openai. WithBaseURL(os.Getenv("OPENAI_BASE_URL")))
withBaseURL(os.Getenv("OPENAI_BASE_URL"))) = nil {
log.Fatal(err)
}

2. Werkzeuge zur Dateibearbeitung::

   fileTools, _ := file.GetFileRelatedTools(Arbeitsbereich)

3. Werkzeug zur Befehlsausführung::

   bashTool, _ := bash.New()

4. Werkzeugsatz erstellen::

   engineerTools := make([]tool.Tool, 0)
engineerTools = append(engineerTools, fileTools...)
engineerTools = append(engineerTools, bashTool)

5. Rückrufprozessor::

   callbackHandler := &CallbackHandler{}

6. Definition des Umfelds::

   env := environment.NewEnv()

7. Bauagenten::

   Ingenieur, _ := agent.NewBaseAgent(
agent.WithName("Ingenieur"),
agent.WithDesc(IngenieurBeschreibung),
agent.WithPrompt(IngenieurPrompt), agent.
agent.WithInstruction(SingleAgentInstructions), agent.
agent.WithVars("sop", Workflow), agent.
agent.WithVars("Arbeitsbereich", Arbeitsbereich), agent.
agent.WithTools(engineerTools), )
)

Beispielanwendung

• DebattierwettbewerbMehrere Agenten nehmen an Debattenwettbewerben teil.
• Werwolf-SpieleMehrere Agenten sind an dem Spiel Werwolf beteiligt.
• Undercover-SpieleMehrere Agenten sind an verdeckten Spielen beteiligt.
• EssayistikMehrere Bearbeiter arbeiten gemeinsam an Papieren.
• Vertreter der IngenieureEin einzelner Agent erledigt die Codierungsaufgabe.

caveat

• Stellen Sie sicher, dass Sie die Umgebungsvariablen korrekt konfiguriert haben, bevor Sie dieOPENAI_API_KEY, undOPENAI_MODELL, undOPENAI_BASE_URLusw.
• Passen Sie die Beschreibungen, Aufforderungen und Befehle der Agenten an Ihre spezifischen Bedürfnisse an.
• Verwenden Sie den Rückrufprozessor, um den Ausführungsprozess des Agenten zu analysieren und die Effizienz der Aufgabenausführung zu optimieren.