Aufbau eines KI-Startup-Trendanalyse-Agenten mit Claude 3.5 Sonnet

Voll funktionsfähige KI-Agenten-App in weniger als 50 Zeilen Python-Code (Schritt-für-Schritt-Anleitung)

KI-Tools verändern die Art und Weise, wie Unternehmer Trends erkennen und Entscheidungen treffen. Der Aufbau einer skalierbaren Lösung zur Analyse von Startup-Chancen erfordert jedoch oft die Integration mehrerer Datenquellen und deren schnelle Verarbeitung. Mit fortschrittlichen Large Language Models (LLMs), die mit den richtigen Tools ausgestattet sind, kann dieser Prozess jedoch automatisiert werden und verwertbare Erkenntnisse liefern.

In diesem Tutorial führen wir Sie durch den Prozess der Erstellung einer AI Startup Trend Analysis Agent. Dieser KI-Agent wird Startup-Nachrichten analysieren, aufkommende Trends erkennen und Startup-Ideen validieren. Er wird weniger als 50 Zeilen Python-Code benötigen, kombiniert mit Zeitung4k im Gesang antworten DuckDuckGound verwenden Claude 3.5 Sonett.

Wesentliche Merkmale:

• Benutzereingabe: Ermöglicht Unternehmern die Eingabe spezifischer unternehmerischer Bereiche oder Technologien von Interesse
• Nachrichtenerfassung: mit @DuckDuckGo

Sammeln Sie die neuesten Startup-Nachrichten und Marktanalysen

• Erstellung von Zusammenfassungen: Verwenden Sie Newspaper4k, um prägnante Zusammenfassungen von validierten Informationen zu erstellen.
• Trendanalyse: Identifizierung neu entstehender Modelle der Risikofinanzierung, Technologieübernahme und Marktchancen
• Front-End-Schnittstelle: @streamlit

Bereitstellung einer benutzerfreundlichen interaktiven Schnittstelle

Die Systemarchitektur besteht aus drei Agenten:

• Nachrichtenbeschaffung: Suche und Sammlung relevanter Artikel
• Verfassen von Zusammenfassungen: Bearbeitung und Zusammenfassung von Artikelinhalten
• Trendanalyse: Analyse von Zusammenfassungen und Ermittlung von Trends

Realisierungsschritte:

• Einrichtung der Umgebung: Dazu gehören die Installation der erforderlichen Abhängigkeiten und die Beschaffung der API-Schlüssel.
• Erstellen einer Streamlit-Anwendung: Erstellen der Benutzeroberfläche
• Umsetzung der Aufgaben von drei Agenten und deren Zusammenschluss zu einem Team
• Durchführung von analytischen Arbeitsabläufen und Präsentation der Ergebnisse

Was wir bauen werden

Der AI Startup Trend Analysis Agent ist ein Tool, das aufstrebenden Unternehmern hilft, umsetzbare Erkenntnisse zu gewinnen, indem es aufkommende Trends, potenzielle Marktlücken und Wachstumschancen in bestimmten Sektoren identifiziert. Es kombiniert Newspaper4k und DuckDuckGo, um Artikel und Marktdaten zu scannen und zu analysieren, die sich auf Startups beziehen. Mit Claude 3.5 Sonnet verarbeitet es diese Informationen, um aufkommende Muster zu extrahieren und Unternehmern dabei zu helfen, vielversprechende Startup-Möglichkeiten zu identifizieren.

Funktionalität

• BenutzerführungUnternehmer können spezifische unternehmerische Bereiche oder Technologien, die für die Forschung von Interesse sind, eingeben.
• Sammlung von NachrichtenDie Agentur sammelt über DuckDuckGo aktuelle Startup-Nachrichten, Finanzierungs-Updates und Marktanalysen.
• Abstrakte ErzeugungNewspaper4k: Nutzen Sie Newspaper4k, um präzise Zusammenfassungen von verifizierten Informationen zu erstellen.
• TrendanalyseSystematische Ermittlung von Trends bei der Finanzierung von Unternehmensgründungen, bei der Einführung von Technologien und bei Marktchancen sowie Analyse der damit zusammenhängenden Berichte.
• Streamlit-SchnittstelleDie Anwendung verwendet eine benutzerfreundliche Schnittstelle, die von Streamlit entwickelt wurde, um die Interaktion zu erleichtern.

Vorbedingungen

Bevor wir beginnen, vergewissern Sie sich bitte, dass Sie die folgenden Punkte beachtet haben:

1. Installieren Sie Python auf Ihrem Computer (3.7 oder höher empfohlen)
2. Besitz Anthropischer API-Schlüssel
3. Grundlegende Kenntnisse der Python-Programmierung
4. Verwenden Sie Ihren bevorzugten Code-Editor (wir empfehlen VS Code oder PyCharm, die eine hervorragende Unterstützung für Python bieten)

Schritt-für-Schritt-Anleitung

Einrichten der Entwicklungsumgebung

Zunächst müssen wir die Entwicklungsumgebung vorbereiten:

1. Klonen Sie ein GitHub-Repository:

git clone https://github.com/Shubhamsaboo/awesome-llm-apps.git

2. gehen in ai_startup_trend_analysis_agent Mappe:

cd ai_agent_tutorials/ai_startup_trend_analysis_agent

3. Montage Erforderliche Abhängigkeiten::

pip install -r anforderungen.txt

4. Erhalten Sie Ihren API-Schlüssel: Registrieren Anthropisch Konto und erhalten Sie Ihren API-Schlüssel.

Erstellen einer Streamlit-Anwendung

Lassen Sie uns die Anwendung erstellen. Neue Datei startup_trends_agent.pyund fügen Sie den folgenden Code hinzu:

1. Importieren Sie die erforderlichen Bibliotheken:
   - Streamlit für die Erstellung von Webanwendungen
   - für den Aufbau von KI-Agenten und -Tools Phidata
   - Große Sprache Modellierung Claude Sonnet 3.5
   - DuckDuckGo für die Suche
   - Newspaper4k für die Bearbeitung von Artikeln

import streamlit as st
von phi.agent importieren Agent
from phi.tools.duckduckgo importieren DuckDuckGo
from phi.model.anthropic import Claude
from phi.tools.newspaper4k import Zeitungs4k
from phi.tools.importieren Werkzeug
importieren Logging

2. Erstellen Sie eine Streamlit-Anwendung:
   - Einfache und übersichtliche Schnittstelle
   - Sichere API-Schlüsseleingabe
   - Themenbezogene Analyse

# Einrichten der Streamlit-App
st.title("AI Startup Trend Analysis Assistant 📈")
st.caption("Holen Sie sich mit nur einem Klick die neuesten Trendanalysen und Startup-Möglichkeiten zu den Themen, die Sie interessieren.")
topic = st.text_input("Geben Sie den Startup-Bereich ein, der Sie interessiert:")
anthropic_api_key = st.sidebar.text_input("Anthropic API-Schlüssel eingeben", type="password")
if st.button("Generate Analysis"):: if not anthropic_api_key = st.sidebar.text_input("Enter Anthropic API key", type="password")
if not anthropic_api_key.
st.warning("Bitte geben Sie den erforderlichen API-Schlüssel ein.")
else: mit st.spinner
with st.spinner("Ihre Anfrage wird bearbeitet...") :
try: # Initialisierung
# Initialisierung des anthropischen Modells
anthropic_model = Claude(id = "claude-3-5-sonnet-20240620",api_key=anthropic_api_key)

3. Erstellen Sie einen Agenten für die Nachrichtenerfassung:
   - Suchen mit DuckDuckGo
   - Sammlung der neuesten Artikel
   - Beschränken Sie sich auf 5 Ergebnisse, um den Fokus beizubehalten

# Defining News Gathering Agents - Das DuckDuckGo-Suchwerkzeug ermöglicht Agenten die Suche nach Informationen im Web.
search_tool = DuckDuckGo(search=True, news=True, fixed_max_results=5)
news_collector = Agent(
name="news_collector",
role="Sammelt die neuesten Nachrichtenartikel zu einem bestimmten Thema",
tools=[search_tool],
model=anthropic_model,
instructions=["Sammelt die neuesten Artikel zu einem bestimmten Thema"],
show_tool_calls=True,
markdown=True,
)

4. Fügen Sie einen Agenten zur Erstellung einer Zusammenfassung hinzu:
   - Bearbeitung des Artikelinhalts
   - Erstellung prägnanter Zusammenfassungen
   - Aufbewahrung von Schlüsselinformationen

# Definieren Sie den Agenten zur Erstellung von Zusammenfassungen
news_tool = Newspaper4k(read_article=True, include_summary=True)
summary_writer = Agent(
name="Zusammenfassungsgenerator",
role="Erzeugt eine Zusammenfassung für gesammelte Nachrichtenartikel",
tools=[news_tool],
model=anthropic_model,
instructions=["Liefern Sie eine knappe Zusammenfassung des Artikels"],
show_tool_calls=True,
markdown=True,
)

5. Erstellen Sie einen Trendanalyse-Agenten:
   - Analyse des Inhalts der Zusammenfassung
   - Erkennen von Trends
   - Erschließung unternehmerischer Chancen

# Definieren Sie den Trendanalysator-Agenten
trend_analyzer = Agent(
name="Trendanalysator",
role="Analysiere Trends aus Zusammenfassungen",
model=anthropic_model,
instructions=["Identifizieren Sie aufkommende Trends und potenzielle unternehmerische Chancen"],
show_tool_calls=True,
markdown=True,
)

6. Stellen Sie Agenten zu Teams zusammen:
   - Koordinierung der Arbeitsabläufe
   - Sicherstellung des Datenflusses
   - Beibehaltung der kontextuellen Konsistenz

Einrichtung eines Multi-Agenten-Teams für # Phidata:
agent_team = Agent(
agents=[news_collector, summary_writer, trend_analyzer],
instructions=[
"Verwenden Sie zunächst DuckDuckGo, um nach den neuesten Nachrichtenartikeln zu dem vom Benutzer angegebenen Thema zu suchen." ,
"Geben Sie dann die Links der gesammelten Artikel an den Zusammenfassungsgenerator weiter." ,
"Wichtig: Es muss sichergestellt werden, dass der Zusammenfassungsgenerator alle Artikellinks zum Lesen erhält." ,
"Als nächstes liest der Zusammenfassungsgenerator die Artikel und erstellt für jeden Artikel eine kurze Zusammenfassung." ,
"Nach der Zusammenfassung werden die Zusammenfassungen an den Trendanalysator weitergeleitet." ,
"Der Trend Analyser schließlich identifiziert auf der Grundlage der Zusammenfassungen aufkommende Trends und potenzielle unternehmerische Chancen und liefert sie in Form eines detaillierten Berichts, der es jedem Jungunternehmer leicht macht, großen Nutzen zu ziehen."
],.
show_tool_calls=True,
markdown=True.
)

7. Ausführen von analytischen Arbeitsabläufen:
   - sequenzielle Abarbeitung
   - Sicherstellung des Datenflusses
   - Ergebnisse anzeigen

# Schritt 1: Sammeln von Nachrichten
news_response = news_collector.run(f "Sammle die neuesten Nachrichten über {Thema}")
Artikel = news_response.content
# Schritt 2: Zusammenfassen der Artikel
summary_response = summary_writer.run(f "Fassen Sie die folgenden Artikel zusammen:\n{Artikel}")
Zusammenfassungen = summary_response.content
# Schritt 3: Analysieren von Trends
trend_response = trend_analyzer.run(f "Analysieren Sie den Trend anhand der folgenden Zusammenfassungen: \n{Zusammenfassungen}")
analysis = trend_response.content
# Ergebnisse anzeigen - falls eine weitere Verwendung erforderlich ist, können die folgenden zwei Zeilen auskommentiert werden, um die Zusammenfassungen zu erhalten!
# st.subheader("Zusammenfassung der Nachrichten")
# # st.write(zusammenfassungen)
st.subheader("Trendanalyse und potenzielle Einstiegsmöglichkeiten")
st.write(Analyse)
except Exception as e.
st.error(f "Es ist ein Fehler aufgetreten: {e}")
else: st.error(f "Es ist ein Fehler aufgetreten: {e}")
st.info("Geben Sie das Thema und den API-Schlüssel ein und klicken Sie dann auf "Analyse erstellen", um zu beginnen.")

Ausführen der Anwendung

Sobald der Code fertig ist, starten Sie die Anwendung.

• Navigieren Sie im Terminal zum Projektordner und führen Sie den folgenden Befehl aus:

streamlit run startup_trends_agent.py

• Streamlit stellt eine lokale URL zur Verfügung (normalerweise http://localhost:8501). Öffnen Sie diese in Ihrem Browser, geben Sie Ihren API-Schlüssel ein, wählen Sie den Bereich aus, den Sie erkunden möchten, und sehen Sie zu, wie Ihr KI-Agent die Recherche für Sie übernimmt.

Demonstration von funktionierenden Anwendungen

Zusammenfassungen

In weniger als 50 Codezeilen ist Ihr KI-Agent bereit, Unternehmern verwertbare Erkenntnisse für Trendanalysen zu liefern.

Um die Funktionalität weiter zu verbessern, können die folgenden Aspekte berücksichtigt werden:

• VisualisierungTrends werden grafisch dargestellt, was das Modell übersichtlicher und besser umsetzbar macht.
• Filtern von DatenFügen Sie erweiterte Filter hinzu, mit denen Benutzer die Einblicke nach geografischem Standort, Finanzierungsumfang oder Technologietyp verfeinern können.
• KoordinationFreigabe von Sharing- und Team-Diskussionsfunktionen innerhalb der App, um die Nutzung von Erkenntnissen zu erleichtern.

Ständig experimentieren und verbessern, um intelligentere KI-Lösungen zu entwickeln!