Atomare Agenten: ein Rahmen für den Aufbau leichter, modularer KI-Intelligenzen

Allgemeine Einführung

Atomic Agents ist ein extrem leichtgewichtiges und modulares Framework, das auf dem Konzept der Atomizität basiert, um Agenten-KI-Pipelines und -Anwendungen zu erstellen. Das Framework bietet eine Reihe von Tools und Agenten, die kombiniert werden können, um leistungsstarke Anwendungen zu erstellen. Es basiert auf Ausbilder Atomic Agents wurde mit Pydantic für die Validierung und Serialisierung von Daten und Mustern entwickelt. Die gesamte Logik und der Kontrollfluss sind in Python geschrieben, was es den Entwicklern ermöglicht, bewährte Praktiken und Arbeitsabläufe aus der traditionellen Softwareentwicklung anzuwenden, ohne dabei an Flexibilität oder Klarheit einzubüßen.Atomic Agents wurde entwickelt, um die Anforderungen von Unternehmen an konsistente und zuverlässige Ergebnisse durch Modularität, Vorhersagbarkeit, Skalierbarkeit und Kontrolle zu erfüllen.

Empfohlene Lektüre:Auf Wiedersehen LangChain, Atomic Agent brennt!

Funktionsliste

• ModularisierungErstellung von KI-Anwendungen durch die Kombination kleiner, wiederverwendbarer Komponenten.
• VorhersehbarkeitDefinieren Sie klare Eingabe- und Ausgabemuster, um ein konsistentes Verhalten zu gewährleisten.
• SkalierbarkeitEinfacher Austausch von Komponenten oder Integration neuer Komponenten, ohne das gesamte System zu zerstören.
• KontrolleFeinabstimmung jedes einzelnen Teils des Systems, von den Systemtipps bis zur Werkzeugintegration.
• Validierung der DatenPydantic: Validierung und Serialisierung von Daten und Mustern mit Pydantic.
• Python-EntwicklungDie gesamte Logik und der Kontrollfluss sind in Python geschrieben, um den Entwicklern die Arbeit zu erleichtern.

Hilfe verwenden

Einbauverfahren

1. Stellen Sie sicher, dass Python 3.11 oder höher installiert ist.
2. Verwenden Sie pip, um Atomic Agents zu installieren:

   pip install atomic-agents

3. Installieren Sie bei Bedarf Anbieter wie OpenAI und Groq:

   pip install openai groq

Leitlinien für die Verwendung

Erstellen eines Proxys

1. Systemaufforderungen definieren: Bestimmen Sie die Handlung und den Zweck des Agenten.
2. Definieren von EingabemodiStruktur: Gibt die Struktur und die Validierungsregeln für die Eingabe von Agenten an.
3. Festlegen des AusgabemodusStruktur: Gibt die Struktur und die Validierungsregeln für die Agentenausgabe an.
4. gespeicherter SpeicherDialogverlauf oder andere relevante Daten speichern.
5. Kontextanbieter (Datenverarbeitung)Dynamischer Kontext: Einfügen von dynamischem Kontext in die System-Eingabeaufforderung des Agenten während der Laufzeit.

Beispielcode (Rechnen)

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"])

Arbeitsablauf bei der Entwicklung

1. Erstellen einer neuen Verzweigung: Erstellen Sie Zweige für neue Funktionen oder Korrekturen.

   git checkout -b feature-branch

2. Änderungen am Code vornehmen: Nehmen Sie Änderungen im entsprechenden Projektverzeichnis vor.
3. Formatierung des Codes: Verwenden Sie den Formatierungscode Schwarz.

   black atomic_agents

4. NormenkontrolleCodeprüfung mit Flake8.

   flake8 atomic_agents

5. EinsatzprüfungSicherstellen, dass alle Tests bestanden werden.

   pytest --cov atomic_agents

6. Änderungen einreichenCommit und Push zu einem entfernten Repository.

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

7. Erstellen einer Pull-AnfrageErstellen Sie einen Pull-Request auf GitHub, der die Änderungen beschreibt und auf verwandte Themen verweist.