Construire un agent d'analyse des tendances pour une startup d'IA avec Claude 3.5 Sonnet

Une application d'agent d'intelligence artificielle complète en moins de 50 lignes de code Python (guide étape par étape)

Les outils d'IA changent la façon dont les entrepreneurs identifient les tendances et prennent des décisions, mais la mise en place d'une solution évolutive pour analyser les opportunités des startups nécessite souvent d'intégrer plusieurs sources de données et de les traiter rapidement. Cependant, avec les grands modèles de langage (LLM) avancés équipés des bons outils, ce processus peut être automatisé pour fournir des informations exploitables.

Dans ce tutoriel, nous vous guiderons à travers le processus de construction d'un Agent d'analyse des tendances des startups d'IA. Cet agent d'intelligence artificielle analysera l'actualité des startups, identifiera les tendances émergentes et validera les idées de startups. Il utilisera moins de 50 lignes de code Python, combinées à un logiciel de gestion de l'information. Journal4k répondre en chantant Canard enchaînéet utiliser Claude 3.5 Sonnet.

Caractéristiques principales :

  • Entrée utilisateur : permet aux entrepreneurs d'entrer des domaines d'activité ou des technologies spécifiques qui les intéressent.
  • Collecte d'informations : utilisation de @DuckDuckGo

Recueillir les dernières nouvelles sur les start-ups et les analyses de marché

  • Génération de résumés : utilisez Newspaper4k pour générer des résumés concis d'informations validées.
  • Analyse des tendances : identifier les modèles émergents de financement par capital-risque, l'adoption des technologies et les opportunités de marché
  • Interface frontale : @streamlit

Fournir une interface interactive conviviale

L'architecture du système se compose de trois agents :

  • Collecte d'informations : responsable de la recherche et de la collecte d'articles pertinents
  • Rédaction de résumés : traiter et résumer le contenu d'un article
  • Analyse des tendances : analyse des résumés et identification des tendances

Les étapes de la réalisation :

  • Configuration de l'environnement : il s'agit d'installer les dépendances nécessaires et d'obtenir les clés API.
  • Création d'une application Streamlit : construction de l'interface utilisateur
  • Mettre en œuvre les fonctions de trois agents et les regrouper au sein d'une équipe
  • Exécuter des flux de travail analytiques et présenter les résultats

 

使用 Claude 3.5 Sonnet 构建 AI 创业趋势分析代理

 

Ce que nous allons construire

L'AI Startup Trend Analysis Agent est un outil conçu pour les entrepreneurs émergents afin de générer des informations exploitables en identifiant les tendances naissantes, les lacunes potentielles du marché et les opportunités de croissance dans des secteurs spécifiques. Il combine Newspaper4k et DuckDuckGo pour scanner et analyser les articles centrés sur les startups et les données du marché. Avec Claude 3.5 Sonnet, il traite ces informations pour en extraire des modèles émergents et aider les entrepreneurs à identifier des opportunités de démarrage prometteuses.

Fonctionnalité

  • invite de l'utilisateurLes entrepreneurs peuvent entrer dans des domaines entrepreneuriaux spécifiques ou des technologies d'intérêt pour la recherche.
  • Collection de nouvellesL'agence recueille des informations récentes sur les startups, des mises à jour sur le financement et des analyses de marché par l'intermédiaire de DuckDuckGo.
  • Génération abstraiteNewspaper4k : Utilisez Newspaper4k pour générer des résumés concis d'informations vérifiées.
  • Analyse des tendancesLes tâches sont multiples : identifier systématiquement les tendances en matière de financement des start-ups, d'adoption des technologies et d'opportunités de marché, et analyser les articles qui s'y rapportent.
  • Interface StreamlitL'application utilise une interface conviviale conçue par Streamlit pour faciliter l'interaction.

 

conditions préalables

Avant de commencer, assurez-vous que les éléments suivants sont en place :

  1. Installez Python sur votre ordinateur (3.7 ou plus recommandé).
  2. possession Clé API Anthropic
  3. Compréhension de base de la programmation Python
  4. Utilisez votre éditeur de code préféré (nous recommandons VS Code ou PyCharm, qui offrent une excellente prise en charge de Python).

 

Guide étape par étape

Mise en place de l'environnement de développement

Commençons par préparer l'environnement de développement :

  1. Cloner un dépôt GitHub :
git clone https://github.com/Shubhamsaboo/awesome-llm-apps.git
  1. entrer dans ai_startup_trend_analysis_agent Dossier :
cd ai_agent_tutorials/ai_startup_trend_analysis_agent
  1. montage Dépendances requises: :
pip install -r requirements.txt
  1. Obtenez votre clé API : S'inscrire Anthropique et obtenez votre clé API.

Création d'une application Streamlit

Créons l'application. Nouveau fichier startup_trends_agent.pyet ajoutez le code suivant :

  1. Importer les bibliothèques nécessaires :
    - Streamlit pour la création d'applications web
    - pour la création d'agents et d'outils d'IA Phidata
    - Modélisation des grandes langues Claude Sonnet 3.5
    - DuckDuckGo pour la recherche
    - Newspaper4k pour le traitement des articles
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
  1. Créer une application Streamlit :
    - Interface simple et claire
    - Saisie sécurisée de la clé API
    - Analyse thématique
# 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)
  1. Créer un agent de collecte d'informations :
    - Rechercher avec DuckDuckGo
    - Collection d'articles récents
    - Limiter à 5 résultats pour maintenir la concentration
# 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,
)
  1. Ajouter un agent de génération de résumé :
    - Traitement du contenu des articles
    - Créer des résumés concis
    - Conservation des informations clés
# 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,
)
  1. Créer un agent d'analyse des tendances :
    - Analyser le contenu du résumé
    - Identifier les tendances
    - Exploiter les opportunités entrepreneuriales
# 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,
)
  1. Regrouper les agents en équipes :
    - Coordination des flux de travail
    - Garantir les flux de données
    - Maintenir la cohérence contextuelle
# 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,
)
  1. Exécuter des flux de travail analytiques :
    - traitement séquentiel
    - Garantir les flux de données
    - Résultats de l'exposition
# 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。")

Exécution de l'application

Une fois le code prêt, lancez l'application.

  • Dans le terminal, naviguez jusqu'au dossier du projet et exécutez la commande suivante :
streamlit run startup_trends_agent.py
  • Streamlit vous fournira une URL locale (généralement http://localhost:8501). Ouvrez-la dans votre navigateur, entrez votre clé API, sélectionnez la zone que vous souhaitez explorer et regardez votre agent IA faire les recherches à votre place.

 

Démonstration d'applications fonctionnelles

résumés

En moins de 50 lignes de code, votre agent IA est prêt à fournir aux entrepreneurs des informations exploitables pour l'analyse des tendances.

Afin d'améliorer encore la fonctionnalité, les aspects suivants peuvent être pris en considération :

  • visualisationLes tendances sont présentées sous forme de graphiques, ce qui rend le modèle plus clair et plus facile à mettre en œuvre.
  • Filtrage des donnéesLes utilisateurs peuvent ajouter des filtres avancés pour affiner les informations en fonction de la situation géographique, de l'importance du financement ou du type de technologie.
  • coordinationLes utilisateurs de l'application doivent être en mesure de partager les informations et de discuter en équipe afin de faciliter l'utilisation des informations.

Expérimenter et améliorer en permanence pour construire des solutions d'IA plus intelligentes !

© déclaration de droits d'auteur

Articles connexes

Pas de commentaires

Vous devez être connecté pour participer aux commentaires !
S'inscrire maintenant
aucun
Pas de commentaires...