PrimisAI Nexus : un cadre léger pour la construction de systèmes évolutifs d'intelligence artificielle multiple et d'automatisation des tâches

Introduction générale

PrimisAI Nexus 是一个轻量级的开源Python框架，托管于GitHub，由PrimisAI团队开发，旨在通过大语言模型（LLM）帮助用户构建和管理可扩展的AI多智能体系统，实现复杂任务的自动化。它采用模块化设计，通过单一监督智能体（Supervisor）与多个工作智能体（Worker Agents）协作，提供简化的工作流和YAML配置，降低开发门槛。截至2025年2月，Nexus在代码生成任务（如HumanEval和VerilogEval-Human基准测试）中表现优异，适合开发者与研究人员打造高效的AI自动化解决方案。

Nexus 架构

Liste des fonctions

• 可扩展多智能体系统：支持动态添加智能体，随任务复杂度扩展系统规模。
• Automatisation des tâches：通过监督智能体分解任务并分配给专业化工作智能体，实现自动化执行。
• Architecture légère：提供简洁的工作流设计，降低开发与维护成本。
• Intégration du LLM：无缝连接大语言模型（如GPT-4o），支持自定义配置。
• YAML配置：通过配置文件定义智能体结构与任务，简化管理。
• Débogage et optimisation：内置日志记录与反馈循环，减少智能体失败影响。

Utiliser l'aide

Processus d'installation

PrimisAI Nexus 的安装过程简单，以下是详细步骤：

1. Préparation de l'environnement
   • 确保安装Python 3.8+，运行python --versionVérifier.
   • 创建虚拟环境（推荐）：

     python -m venv nexus_env
     source nexus_env/bin/activate  # Linux/Mac
     nexus_env\Scripts\activate     # Windows
     

2. 安装Nexus
   • Utilisez pip pour l'installation :

     pip install primisai
     

   • 检查版本：运行pip show primisai，确认安装成功。
3. 配置LLM接入
   • 获取大语言模型的API密钥（如OpenAI API Key）。
   • Définition des variables d'environnement :

     export OPENAI_API_KEY="your-api-key-here"  # Linux/Mac
     set OPENAI_API_KEY="your-api-key-here"     # Windows
     

4. Vérifier l'installation
   • 创建测试脚本test_nexus.py: :

     from primisai.nexus.core import Supervisor
     llm_config = {"api_key": "your-api-key-here", "model": "gpt-4o"}
     supervisor = Supervisor("TestSupervisor", llm_config)
     print("Nexus已就绪！")
     

   • être en mouvementpython test_nexus.py，输出“Nexus已就绪！”表示安装成功。

Principales fonctions

1. 构建可扩展多智能体系统

• procédure: :
  1. 导入模块：

     from primisai.nexus.core import Agent, Supervisor
     

  2. 配置LLM：

     llm_config = {
     "api_key": "your-api-key-here",
     "model": "gpt-4o"
     }
     

  3. 创建监督智能体与工作智能体：

     supervisor = Supervisor("RootSupervisor", llm_config)
     coder = Agent("Coder", llm_config, system_message="生成Python代码。")
     tester = Agent("Tester", llm_config, system_message="验证代码正确性。")
     supervisor.register_agent(coder)
     supervisor.register_agent(tester)
     

  4. 执行任务：

     task = "编写并验证一个排序算法"
     supervisor.run(task)
     

• Description fonctionnelle：监督智能体将任务分解（如编写代码和测试），分配给Coder和Tester工作智能体，系统可根据需求动态扩展更多智能体。

2. 使用YAML配置自动化任务

• procédure: :
  1. établirconfig.yamlDocumentation :

     supervisor:
     name: "AutomationSupervisor"
     llm_config:
     api_key: "your-api-key-here"
     model: "gpt-4o"
     agents:
     - name: "DataCollector"
     system_message: "收集并整理数据。"
     - name: "ReportGenerator"
     system_message: "生成数据报告。"
     

  2. 加载并运行：

     from primisai.nexus.config import load_yaml_config, AgentFactory
     config = load_yaml_config("config.yaml")
     factory = AgentFactory()
     system = factory.create_from_config(config)
     system.run("收集市场数据并生成报告")
     

• Description fonctionnelle：通过YAML文件定义智能体角色与任务逻辑，实现数据收集与报告生成的自动化，调整配置无需修改代码。

3. 实时交互与测试

• procédure: :
  1. 启动交互会话：

     supervisor.start_interactive_session()
     

  2. 输入任务，如“生成一个Web搜索工具”，观察智能体协作结果。
  3. importationexit退出会话。
• Description fonctionnelle：支持实时测试多智能体协作效果，验证任务自动化流程是否顺畅。

4. 调试与优化

• procédure: :
  1. 设置调试器：

     from primisai.nexus.core import Debugger
     debugger = Debugger(log_level="DEBUG")
     supervisor.set_debugger(debugger)
     

  2. 运行任务并查看日志（默认保存至nexus.log).
  3. 根据日志优化智能体逻辑或任务分配。
• Description fonctionnelle：调试工具记录智能体运行细节，通过反馈循环确保任务执行稳定可靠。

mise en garde

• 确保网络畅通，LLM调用需要稳定的API服务。
• YAML文件缩进需统一（如2空格），否则可能解析失败。
• 复杂任务建议拆分为子任务，提升多智能体协作效率。

通过以上步骤，用户可快速上手Nexus，构建可扩展的AI多智能体系统并实现任务自动化。