Creación de un agente de análisis de tendencias para startups con Claude 3.5 Sonnet
Tutoriales prácticos sobre IAActualizado hace 8 meses Círculo de intercambio de inteligencia artificial 2.5K 00
Aplicación de agente de IA con todas las funciones en menos de 50 líneas de código Python (guía paso a paso)
Las herramientas de IA están cambiando la forma en que los emprendedores identifican tendencias y toman decisiones, pero crear una solución escalable para analizar las oportunidades de las startups suele requerir integrar múltiples fuentes de datos y procesarlas rápidamente. Sin embargo, con los modelos avanzados de lenguaje amplio (LLM) equipados con las herramientas adecuadas, este proceso puede automatizarse para ofrecer información práctica.
En este tutorial, le guiaremos a través del proceso de construcción de un Agente de Análisis de Tendencias de Startups AI. Este agente de IA analizará las noticias sobre startups, identificará tendencias emergentes y validará ideas de startups. Utilizará menos de 50 líneas de código Python, combinadas con Periódico4k responder cantando DuckDuckGoy utilizar Claude 3,5 Soneto.
Características principales:
- Entrada del usuario: permite a los empresarios introducir áreas empresariales específicas o tecnologías de interés.
- Recopilación de noticias: uso de @DuckDuckGo
Recopilar las últimas noticias sobre startups y análisis de mercado
- Generación de resúmenes: utilice Newspaper4k para generar resúmenes concisos de información validada.
- Análisis de tendencias: identificación de modelos emergentes de financiación de empresas, adopción de tecnología y oportunidades de mercado
- Interfaz de usuario: @streamlit
Proporcionar una interfaz interactiva fácil de usar
La arquitectura del sistema consta de tres Agentes:
- Recopilación de noticias: se encarga de buscar y recopilar artículos relevantes
- Redacción de resúmenes: tratamiento y resumen del contenido de los artículos
- Análisis de tendencias: análisis de resúmenes e identificación de tendencias
Etapas de realización:
- Configuración del entorno: incluye la instalación de las dependencias necesarias y la obtención de las claves de la API.
- Creación de una aplicación Streamlit: creación de la interfaz de usuario
- Implantar las funciones de tres Agentes y combinarlas en un equipo
- Ejecutar flujos de trabajo analíticos y presentar resultados

Qué construiremos
El AI Startup Trend Analysis Agent es una herramienta diseñada para que los emprendedores emergentes generen ideas procesables mediante la identificación de tendencias incipientes, brechas potenciales en el mercado y oportunidades de crecimiento en sectores específicos. Combina Newspaper4k y DuckDuckGo para escanear y analizar artículos centrados en startups y datos de mercado. Con Claude 3.5 Sonnet, procesa esta información para extraer patrones emergentes y ayudar a los emprendedores a identificar oportunidades prometedoras para startups.
funcionalidad
- pregunta del usuario: Los empresarios pueden introducir áreas empresariales específicas o tecnologías de interés para la investigación.
- Colección de noticiasLa agencia recopila noticias recientes sobre startups, actualizaciones de financiación y análisis de mercado a través de DuckDuckGo.
- Generación abstracta: Utilice Newspaper4k para generar resúmenes concisos de información verificada.
- Análisis de tendenciasFunciones: Identificar sistemáticamente las tendencias en la financiación de nuevas empresas, la adopción de tecnología y las oportunidades de mercado, y analizar las historias relacionadas.
- Interfaz StreamlitLa aplicación utiliza una interfaz fácil de usar creada por Streamlit para facilitar la interacción.
condiciones previas
Antes de empezar, asegúrese de que dispone de los siguientes elementos:
- Instale Python en su ordenador (se recomienda la versión 3.7 o superior)
- posesión Clave API antrópica
- Conocimientos básicos de programación en Python
- Utiliza tu editor de código favorito (recomendamos VS Code o PyCharm, que tienen un excelente soporte para Python)
Guía paso a paso
Configuración del entorno de desarrollo
En primer lugar, preparemos el entorno de desarrollo:
- Clonar un repositorio GitHub:
git clone https://github.com/Shubhamsaboo/awesome-llm-apps.git
- entrar en ai_startup_trend_analysis_agent Carpeta:
cd ai_agent_tutorials/ai_startup_trend_analysis_agent
- montaje Dependencias necesarias::
pip install -r requirements.txt
- Obtenga su clave API: Registro Antrópico y obtenga su clave API.
Creación de una aplicación Streamlit
Vamos a crear la aplicación. Nuevo fichero startup_trends_agent.py
y añada el siguiente código:
- Importe las bibliotecas necesarias:
- Streamlit para crear aplicaciones web
- para crear agentes y herramientas de IA Phidata
- Modelado de grandes lenguas Claude Sonnet 3.5
- DuckDuckGo para búsquedas
- Newspaper4k para el tratamiento de artículos
import streamlit as st
from phi.agent import Agent
from phi.tools.duckduckgo import DuckDuckGo
from phi.model.anthropic import Claude
from phi.tools.newspaper4k import Newspaper4k
from phi.tools import Tool
import logging
- Crear una aplicación Streamlit:
- Interfaz sencilla y clara
- Introducción segura de claves API
- Análisis temático
# 设置 Streamlit 应用
st.title("AI 创业趋势分析助手 📈")
st.caption("只需点击一下,获取基于您感兴趣主题的最新趋势分析和创业机会。")
topic = st.text_input("输入您感兴趣的创业领域:")
anthropic_api_key = st.sidebar.text_input("输入 Anthropic API 密钥", type="password")
if st.button("生成分析"):
if not anthropic_api_key:
st.warning("请输入必需的 API 密钥。")
else:
with st.spinner("正在处理您的请求..."):
try:
# 初始化 Anthropic 模型
anthropic_model = Claude(id ="claude-3-5-sonnet-20240620",api_key=anthropic_api_key)
- Crear un agente de recogida de noticias:
- Buscar con DuckDuckGo
- Recopilación de los últimos artículos
- Limitar a 5 los resultados para mantener la atención
# 定义新闻收集代理 - DuckDuckGo 搜索工具使代理能够从网上搜索信息。
search_tool = DuckDuckGo(search=True, news=True, fixed_max_results=5)
news_collector = Agent(
name="新闻收集器",
role="收集关于指定主题的最新新闻文章",
tools=[search_tool],
model=anthropic_model,
instructions=["收集该主题的最新文章"],
show_tool_calls=True,
markdown=True,
)
- Añadir un agente de generación de resúmenes:
- Tratamiento del contenido de los artículos
- Crear resúmenes concisos
- Conservación de la información clave
# 定义摘要生成代理
news_tool = Newspaper4k(read_article=True, include_summary=True)
summary_writer = Agent(
name="摘要生成器",
role="为收集到的新闻文章生成摘要",
tools=[news_tool],
model=anthropic_model,
instructions=["提供文章的简洁摘要"],
show_tool_calls=True,
markdown=True,
)
- Crear un agente de análisis de tendencias:
- Análisis del contenido del sumario
- Identificación de tendencias
- Aprovechar las oportunidades empresariales
# 定义趋势分析代理
trend_analyzer = Agent(
name="趋势分析器",
role="从摘要中分析趋势",
model=anthropic_model,
instructions=["识别新兴趋势和潜在创业机会"],
show_tool_calls=True,
markdown=True,
)
- Combinar a los agentes en equipos:
- Coordinación de flujos de trabajo
- Garantizar los flujos de datos
- Mantener la coherencia contextual
# Phidata 的多代理团队设置:
agent_team = Agent(
agents=[news_collector, summary_writer, trend_analyzer],
instructions=[
"首先,使用 DuckDuckGo 搜索与用户指定主题相关的最新新闻文章。",
"然后,将收集到的文章链接提供给摘要生成器。",
"重要提示:必须确保摘要生成器接收到所有文章链接以供阅读。",
"接下来,摘要生成器将阅读文章并为每篇文章准备简洁的摘要。",
"总结后,摘要将被传递给趋势分析器。",
"最后,趋势分析器将根据提供的摘要,识别新兴趋势和潜在创业机会,并以详细报告形式提供,让任何年轻企业家都能轻松获取巨大价值。"
],
show_tool_calls=True,
markdown=True,
)
- Ejecutar flujos de trabajo analíticos:
- procesamiento secuencial
- Garantizar los flujos de datos
- Resultados
# 步骤 1:收集新闻
news_response = news_collector.run(f"收集关于 {topic} 的最新新闻")
articles = news_response.content
# 步骤 2:总结文章
summary_response = summary_writer.run(f"总结以下文章:\n{articles}")
summaries = summary_response.content
# 步骤 3:分析趋势
trend_response = trend_analyzer.run(f"从以下摘要中分析趋势:\n{summaries}")
analysis = trend_response.content
# 显示结果 - 如果需要进一步使用,可以取消注释以下两行以获取摘要!
# st.subheader("新闻摘要")
# # st.write(summaries)
st.subheader("趋势分析和潜在创业机会")
st.write(analysis)
except Exception as e:
st.error(f"发生错误:{e}")
else:
st.info("输入主题和 API 密钥,然后点击“生成分析”以开始。")
Ejecutar la aplicación
Una vez que el código esté listo, lance la aplicación.
- En el terminal, navegue hasta la carpeta del proyecto y ejecute el siguiente comando:
streamlit run startup_trends_agent.py
- Streamlit le proporcionará una URL local (normalmente http://localhost:8501). Ábrela en tu navegador, introduce tu clave API, selecciona el área que quieres explorar y observa cómo tu agente de IA investiga por ti.
Demostración de aplicaciones operativas
resúmenes
En menos de 50 líneas de código, su agente de IA está listo para proporcionar a los empresarios información procesable para el análisis de tendencias.
Para mejorar aún más la funcionalidad, pueden tenerse en cuenta los siguientes aspectos:
- visualizaciónLas tendencias se presentan gráficamente, lo que hace que el modelo sea más claro y práctico.
- Filtrado de datosAñadir filtros avanzados para que los usuarios puedan refinar la información en función de la ubicación geográfica, el volumen de financiación o el tipo de tecnología.
- coordinaciónHabilitar las funciones de intercambio y debate en equipo dentro de la aplicación para facilitar un mayor aprovechamiento de la información.
Experimente y mejore continuamente para crear soluciones de IA más inteligentes.
© declaración de copyright
Derechos de autor del artículo Círculo de intercambio de inteligencia artificial Todos, por favor no reproducir sin permiso.
Artículos relacionados
Sin comentarios...