CrewAI + Command-R7B Intelligente Nachrichtengenerierung in 100 Codezeilen

auf der Grundlage von CrewAI Multi-intelligente Körperzusammenarbeit und Cohere Der Command-R7B ist ein großes Modell, das den gesamten Prozess von der Recherche bis zum Schreiben automatisiert, als hätte man eine 24-Stunden-Redaktion.

Kernfunktionen:

1. Recherche und Analyse: Der erste KI-Assistent ist für die Suche und Organisation aller Informationen zu einem Thema zuständig, einschließlich Nachrichten, Daten und Expertenmeinungen.
2. Inhaltserstellung: Ein zweiter KI-Assistent wandelt das Recherchematerial in vollständig strukturierte Artikel um und gewährleistet Professionalität und Lesbarkeit.
3. 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:

1. Geben Sie das Thema, über das Sie etwas wissen möchten, in der Seitenleiste ein
2. Möglichkeit zur Anpassung der Erzeugungsparameter (z. B. Grad der Kreativität)
3. Klicken Sie auf die Schaltfläche Generieren
4. Warten, bis das System die Recherche und das Schreiben abgeschlossen hat
5. 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 schriftlichen Auftrag, 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::

• SQLite-API-Schlüssel
• Cohere API-Schlüssel

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=your_serper_api_key
COHERE_API_KEY=your_cohere_apikey

app.py

import os
import streamlit as st
from crewai import Agent, Task, Crew, LLM
from crewai_tools import SerperDevTool
from dotenv import load_dotenv

# Load environment variables
load_dotenv()

# Streamlit page config
st.set_page_config(page_title="AI News Generator", page_icon="📰", layout="wide")

# Title and description
st.title("🤖 AI News Generator, powered by CrewAI and Cohere's Command R7B")
st.markdown("Generate comprehensive blog posts about any topic using AI agents.")

# Sidebar
with st.sidebar:
st.header("Content Settings")

# Make the text input take up more space
topic = st.text_area(
"Enter your topic",
height=100,
placeholder="Enter the topic you want to generate content about..."
)

# Add more sidebar controls if needed
st.markdown("### Advanced Settings")
temperature = st.slider("Temperature", 0.0, 1.0, 0.7)

# Add some spacing
st.markdown("---")

# Make the generate button more prominent in the sidebar
generate_button = st.button("Generate Content", type="primary", use_container_width=True)

# Add some helpful information
with st.expander("ℹ️ How to use"):
st.markdown("""
1. Enter your desired topic in the text area above
2. Adjust the temperature if needed (higher = more creative)
3. Click 'Generate Content' to start
4. Wait for the AI to generate your article
5. Download the result as a markdown file
""")

def generate_content(topic):
llm = LLM(
model="command-r",
temperature=0.7
)

search_tool = SerperDevTool(n_results=10)

# First Agent: Senior Research Analyst
senior_research_analyst = Agent(
role="Senior Research Analyst",
goal=f"Research, analyze, and synthesize comprehensive information on {topic} from reliable web sources",
backstory="You're an expert research analyst with advanced web research skills. "
"You excel at finding, analyzing, and synthesizing information from "
"across the internet using search tools. You're skilled at "
"distinguishing reliable sources from unreliable ones, "
"fact-checking, cross-referencing information, and "
"identifying key patterns and insights. You provide "
"well-organized research briefs with proper citations "
"and source verification. Your analysis includes both "
"raw data and interpreted insights, making complex "
"information accessible and actionable.",
allow_delegation=False,
verbose=True,
tools=[search_tool],
llm=llm
)

# Second Agent: Content Writer
content_writer = Agent(
role="Content Writer",
goal="Transform research findings into engaging blog posts while maintaining accuracy",
backstory="You're a skilled content writer specialized in creating "
"engaging, accessible content from technical research. "
"You work closely with the Senior Research Analyst and excel at maintaining the perfect "
"balance between informative and entertaining writing, "
"while ensuring all facts and citations from the research "
"are properly incorporated. You have a talent for making "
"complex topics approachable without oversimplifying them.",
allow_delegation=False,
verbose=True,
llm=llm
)

# Research Task
research_task = Task(
description=("""
1. Conduct comprehensive research on {topic} including:
- Recent developments and news
- Key industry trends and innovations
- Expert opinions and analyses
- Statistical data and market insights
2. Evaluate source credibility and fact-check all information
3. Organize findings into a structured research brief
4. Include all relevant citations and sources
"""),
expected_output="""A detailed research report containing:
- Executive summary of key findings
- Comprehensive analysis of current trends and developments
- List of verified facts and statistics
- All citations and links to original sources
- Clear categorization of main themes and patterns
Please format with clear sections and bullet points for easy reference.""",
agent=senior_research_analyst
)

# Writing Task
writing_task = Task(
description=("""
Using the research brief provided, create an engaging blog post that:
1. Transforms technical information into accessible content
2. Maintains all factual accuracy and citations from the research
3. Includes:
- Attention-grabbing introduction
- Well-structured body sections with clear headings
- Compelling conclusion
4. Preserves all source citations in [Source: URL] format
5. Includes a References section at the end
"""),
expected_output="""A polished blog post in markdown format that:
- Engages readers while maintaining accuracy
- Contains properly structured sections
- Includes Inline citations hyperlinked to the original source url
- Presents information in an accessible yet informative way
- Follows proper markdown formatting, use H1 for the title and H3 for the sub-sections""",
agent=content_writer
)

# Create Crew
crew = Crew(
agents=[senior_research_analyst, content_writer],
tasks=[research_task, writing_task],
verbose=True
)

return crew.kickoff(inputs={"topic": topic})

# Main content area
if generate_button:
with st.spinner('Generating content... This may take a moment.'):
try:
result = generate_content(topic)
st.markdown("### Generated Content")
st.markdown(result)

# Add download button
st.download_button(
label="Download Content",
data=result.raw,
file_name=f"{topic.lower().replace(' ', '_')}_article.md",
mime="text/markdown"
)
except Exception as e:
st.error(f"An error occurred: {str(e)}")

# Footer
st.markdown("---")
st.markdown("Built with CrewAI, Streamlit and powered by Cohere's Command R7B")