auf der Grundlage von CrewAI Mit der Multi-Intelligenz-Zusammenarbeit und dem Cohere Command-R7B Big Model automatisiert das System den gesamten Prozess von der Recherche bis zum Schreiben, wie eine 24-Stunden-Redaktion.
Kernfunktionen:
- Recherche und Analyse: Der erste KI-Assistent ist für die Suche und Organisation aller Informationen zu einem Thema zuständig, einschließlich Nachrichten, Daten und Expertenmeinungen.
- Inhaltserstellung: Ein zweiter KI-Assistent wandelt das Recherchematerial in vollständig strukturierte Artikel um und gewährleistet Professionalität und Lesbarkeit.
- Ein-Klick-Erstellung: Der Benutzer gibt einfach das Thema ein, und das System erledigt die gesamte Arbeit automatisch.
Technische Highlights:
- Einführung von crewAI, einem Rahmen für die Zusammenarbeit mehrerer KI
- Sicherstellung der Ausgabequalität mit Cohere, Command-R7B-Makromodellen
- Erstellen Sie eine saubere und benutzerfreundliche Webschnittstelle auf der Grundlage von Streamlit.
Nutzen Sie den Prozess:
- Geben Sie das Thema, über das Sie etwas wissen möchten, in der Seitenleiste ein
- Möglichkeit zur Anpassung der Erzeugungsparameter (z. B. Grad der Kreativität)
- Klicken Sie auf die Schaltfläche Generieren
- Warten, bis das System die Recherche und das Schreiben abgeschlossen hat
- Erstellte Artikel können direkt angesehen oder heruntergeladen werden
Das unten abgebildete Architekturdiagramm veranschaulicht einige der Schlüsselkomponenten (Intelligenzen/Aufgaben/Werkzeuge) und wie sie miteinander interagieren!
Jede Komponente und ihr Code wird im Folgenden ausführlich beschrieben:
Einrichten des Large Language Model (LLM) und der Web-Suchwerkzeuge
Erstellen Sie außerdem eine .env-Datei, um die entsprechenden API-Schlüssel zu speichern:
Senior Research Analyst Intelligence
Die Web Search Intelligence nimmt Benutzeranfragen entgegen und verwendet dann das Serper Web Search Tool, um Ergebnisse aus dem Internet abzurufen und zu konsolidieren.
Sehen Sie sich das an!
Research Analyst Intelligence Body Aufgaben
Dies ist die Forschungsaufgabe, die wir dem Senior Research Analyst Intelligence Body zugewiesen haben, und enthält die Aufgabenbeschreibung und die erwarteten Ergebnisse.
Intelligenz bei der Erstellung von Inhalten
Die Aufgabe der Content Writing Intelligence besteht darin, die gesammelten Ergebnisse in einen ausgefeilten, veröffentlichungsfähigen Nachrichtenartikel zu verwandeln.
Schreiben von Inhalten Intelligente Aufgaben für den Körper
So beschreiben wir den Schreibauftrag, einschließlich aller Details und der erwarteten Ergebnisse:
Crew einstellen, fertig! ✅
Starten Sie ihn! 🚀
Einführungslehrgang
AI Nachrichten Generator
Das Projekt baut einen KI-Nachrichtengenerator unter Verwendung von CrewAI und dem Command-R:7B-Modell von Cohere!
Installation und Einrichtung
Abrufen des API-Schlüssels::
Installieren von Abhängigkeiten::
Stellen Sie sicher, dass Sie Python 3.11 oder höher installiert haben.
pip install crewai crewai-tools
.env.example
SERPER_API_KEY=Ihr_serper_api_key COHERE_API_KEY=Ihr_cohere_apikey
app.py
os importieren
importiere streamlit as st
von crewai importieren Agent, Aufgabe, Besatzung, LLM
von crewai_tools importieren SerperDevTool
von dotenv importieren load_dotenv
# Laden von Umgebungsvariablen
load_dotenv()
# Streamlit-Seiten-Konfiguration
st.set_page_config(page_title="AI News Generator", page_icon="📰", layout="wide")
# Titel und Beschreibung
st.title("🤖 AI News Generator, powered by CrewAI und Cohere's Befehl R7B")
st.markdown("Mit Hilfe von KI-Agenten umfassende Blogbeiträge zu beliebigen Themen erstellen.")
# Seitenleiste
mit st.sidebar: st.header("Einstellungen")
st.header("Inhaltseinstellungen")
# Die Texteingabe soll mehr Platz einnehmen
topic = st.text_area(
"Geben Sie Ihr Thema ein",
height=100,
placeholder="Geben Sie das Thema ein, zu dem Sie Inhalte erstellen möchten..."
)
# Fügen Sie bei Bedarf weitere Steuerelemente für die Seitenleiste hinzu
st.markdown("### Erweiterte Einstellungen")
Temperatur = st.slider("Temperatur", 0.0, 1.0, 0.7)
# Etwas Abstand hinzufügen
st.markdown("---")
# Die Schaltfläche "Generieren" wird in der Seitenleiste deutlicher hervorgehoben
generate_button = st.button("Inhalt generieren", type="primary", use_container_width=True)
# Fügen Sie einige hilfreiche Informationen hinzu
with st.expander("ℹ️ Gebrauchsanweisung"): st.markdown(""): st.expander("ℹ️ Gebrauchsanweisung").
st.markdown(""")
1. geben Sie das gewünschte Thema in das Textfeld oben ein
2. passen Sie bei Bedarf die Temperatur an (höher = kreativer)
3. klicken Sie auf "Inhalt generieren" um zu starten
4. warten Sie, bis die KI Ihren Artikel generiert hat
5. laden Sie das Ergebnis als Markdown-Datei herunter
""")
def generate_content(topic):
llm = LLM(
model="command-r",
Temperatur=0.7
)
search_tool = SerperDevTool(n_results=10)
# Erster Agent: Senior Research Analyst
senior_research_analyst = Agent(
role="Senior Research Analyst",
backstory="Sie sind ein erfahrener Research-Analyst mit fortgeschrittenen Web-Recherche-Fähigkeiten."
"Sie sind hervorragend im Finden, Analysieren und Zusammenfassen von Informationen aus "
Sie sind geschickt darin, " "zuverlässige Quellen von unzuverlässigen Quellen zu unterscheiden."
"Sie können zwischen zuverlässigen und unzuverlässigen Quellen unterscheiden.
Sie können " "verlässliche Quellen von unzuverlässigen unterscheiden", " "Fakten überprüfen, Informationen mit Querverweisen versehen und " "wichtige Muster und Erkenntnisse erkennen."
" "Schlüsselmuster und -erkenntnisse zu identifizieren.
Sie liefern " "gut organisierte Forschungsberichte mit ordnungsgemäßen Zitaten " "und Quellenverifizierung.
Ihre Analyse umfasst sowohl " "Rohdaten als auch interpretierte Erkenntnisse.
" "Rohdaten und interpretierte Erkenntnisse, die komplexe " "Informationen zugänglich und umsetzbar machen.
Ihre Analyse umfasst sowohl " "Rohdaten als auch interpretierte Erkenntnisse, die komplexe " "Informationen zugänglich und umsetzbar machen.
allow_delegation=False, verbose=True, " "und Quellenüberprüfung.
verbose=True, tools=[search_tools],
tools=[search_tool],
llm=llm
)
# Zweiter Agent: Inhaltsverfasser
content_writer = Agent(
role="Content Writer", goal="Forschungsergebnisse in ansprechende Blogbeiträge umwandeln und dabei die Genauigkeit wahren", content_writer = Agent(
goal="Forschungsergebnisse in ansprechende Blog-Beiträge umwandeln und dabei die Genauigkeit wahren",
backstory="Sie sind ein erfahrener Autor von Inhalten, der sich auf die Erstellung "
"ansprechende, zugängliche Inhalte aus technischen Forschungsergebnissen."
"Sie arbeiten eng mit dem Senior Research Analyst zusammen und zeichnen sich durch die perfekte " "Balance zwischen informativen und unterhaltsamen Inhalten aus.
"Sie halten die Balance zwischen informativem und unterhaltsamem Schreiben, "
"Sie arbeiten eng mit dem Senior Research Analysten zusammen und zeichnen sich durch eine perfekte " "Balance zwischen informativem und unterhaltsamem Schreiben aus, " "wobei Sie sicherstellen, dass alle Fakten und Zitate aus der Recherche " "korrekt eingearbeitet werden.
Sie haben ein Talent dafür, " "komplexe Themen verständlich zu machen, ohne sie zu vereinfachen.
Sie haben ein Talent dafür, " "komplexe Themen verständlich zu machen, ohne sie zu sehr zu vereinfachen", " "und dabei sicherzustellen, dass alle Fakten und Zitate aus der Forschung " "angemessen berücksichtigt werden.
Sie haben ein Talent dafür, " "komplexe Themen verständlich zu machen, ohne sie zu sehr zu vereinfachen.", allow_delegation=False, verbose=True, verbose=True, verbose=True.
Sie haben ein Talent dafür, " "komplexe Themen zugänglich zu machen, ohne sie zu sehr zu vereinfachen.
llm=llm
)
# Forschungsaufgabe
research_task = Aufgabe(
description=("""
1. umfassende Recherche zu {topic} einschließlich.
- Aktuelle Entwicklungen und Nachrichten
- Wichtige Branchentrends und Innovationen
- Expertenmeinungen und Analysen
- Expertenmeinungen und -analysen
2. die Glaubwürdigkeit von Quellen bewerten und alle Informationen auf ihre Richtigkeit überprüfen
3. die Ergebnisse in einem strukturierten Forschungsbericht zusammenfassen
4. alle relevanten Zitate und Quellen einbeziehen
"""), expected_output=""), expected_output="")
expected_output="""Ein ausführlicher Forschungsbericht mit.
- Einen detaillierten Forschungsbericht, der Folgendes enthält: Zusammenfassung der wichtigsten Ergebnisse
- Umfassende Analyse der aktuellen Trends und Entwicklungen
- Liste der verifizierten Fakten und Statistiken
- Alle Zitate und Links zu den Originalquellen
- Klare Kategorisierung der wichtigsten Themen und Muster
Bitte formatieren Sie den Bericht mit klaren Abschnitten und Aufzählungspunkten für eine einfache Referenz.
Bitte formatieren Sie den Bericht mit klaren Abschnitten und Aufzählungspunkten.""", agent=senior_research_analyst
)
# Schreibaufgabe
writing_task = Aufgabe(
description=("""
Erstellen Sie auf der Grundlage des bereitgestellten Forschungsauftrags einen ansprechenden Blogbeitrag, der.
1. technische Informationen in zugängliche Inhalte umwandelt
2. alle Fakten und Zitate aus der Recherche beibehält
3. Folgendes enthält.
- Eine aufmerksamkeitsstarke Einleitung
- Gut strukturierte Abschnitte mit klaren Überschriften
- Beinhaltet: Aufmerksamkeitsstarke Einleitung Gut strukturierte Hauptteile mit klaren Überschriften
4. gibt alle Quellenangaben im Format [Quelle: URL] an
5. enthält einen Abschnitt mit Referenzen am Ende
Enthält einen Abschnitt mit Referenzen am Ende """), expected_output=""), und
expected_output="""Ein ausgefeilter Blogbeitrag im Markdown-Format, der.
- die Leser fesselt und gleichzeitig die Genauigkeit beibehält
- richtig strukturierte Abschnitte enthält
- Inline-Zitate enthält, die mit der Original-URL verlinkt sind
- Informationen auf eine zugängliche und dennoch informative Weise präsentiert
- die richtige Markdown-Formatierung befolgt, H1 für den Titel und H3 für die Unterabschnitte verwendet""","","
agent=content_writer
)
# Crew erstellen
Mannschaft = Mannschaft(
agents=[senior_research_analyst, content_writer],
tasks=[research_task, writing_task], verbose=True
verbose=True
)
return crew.kickoff(inputs={"topic": topic})
# Hauptinhaltsbereich
if generate_button.
with st.spinner('Inhalt generieren... Dies kann einen Moment dauern.')::
Dies kann einen Moment dauern.'): try.
result = generate_content(Thema)
st.markdown("### Erstellter Inhalt")
st.markdown(ergebnis)
# Schaltfläche zum Herunterladen hinzufügen
st.download_button(
label="Inhalt herunterladen",
data=result.raw, file_name=f"{topic.lower()
file_name=f"{topic.lower().replace(' ', '_')}_article.md",
mime="text/markdown"
)
except Exception as e.
st.error(f "Es ist ein Fehler aufgetreten: {str(e)}")
# Fußzeile
st.markdown("---")
st.markdown("Gebaut mit CrewAI, Streamlit und angetrieben von Cohere's Command R7B")
