Agentes atômicos: uma estrutura para criar inteligências de IA modulares e leves

Introdução geral

O Atomic Agents é uma estrutura extremamente leve e modular projetada em torno do conceito de atomicidade para a criação de pipelines e aplicativos de IA de agentes. A estrutura oferece um conjunto de ferramentas e agentes que podem ser combinados para criar aplicativos avançados. Ela é baseada em Instrutor O Atomic Agents foi desenvolvido com o Pydantic para validação e serialização de dados e padrões. Toda a lógica e o fluxo de controle são escritos em Python, o que permite que os desenvolvedores apliquem as práticas recomendadas e os fluxos de trabalho do desenvolvimento tradicional de software sem sacrificar a flexibilidade ou a clareza. O Atomic Agents foi projetado para atender às necessidades das organizações de obter resultados consistentes e confiáveis por meio de modularidade, previsibilidade, escalabilidade e controle.

Leitura recomendada:Adeus LangChain! O Atomic Agent está pegando fogo!

Lista de funções

• modularizaçãoCrie aplicativos de IA combinando componentes pequenos e reutilizáveis.
• previsibilidadeDefinir padrões claros de entrada e saída para garantir um comportamento consistente.
• escalabilidadeSubstituição fácil de componentes ou integração de novos componentes sem destruir todo o sistema.
• controleAjuste fino de cada parte do sistema individualmente, desde as dicas do sistema até a integração da ferramenta.
• Validação de dadosValidação e serialização de dados e padrões usando Pydantic.
• Desenvolvimento em PythonToda a lógica e o fluxo de controle são escritos em Python para facilitar o uso pelos desenvolvedores.

Usando a Ajuda

Processo de instalação

1. Certifique-se de que o Python 3.11 ou posterior esteja instalado.
2. Use o pip para instalar o Atomic Agents:

   pip install atomic-agents

3. Instale provedores como o OpenAI e o Groq, conforme necessário:

   pip install openai groq

Diretrizes para uso

Criação de um proxy

1. Definir prompts do sistemaDeterminar o ato e a finalidade do agente.
2. Definição de modos de entradaEstrutura do agente: Especifica a estrutura e as regras de validação para a entrada do agente.
3. Definição do modo de saídaEstrutura do agente: Especifica a estrutura e as regras de validação para a saída do agente.
4. memória armazenadaSalvar histórico de diálogo ou outros dados relevantes.
5. provedor de contexto (computação)Injeção de contexto dinâmico no prompt do sistema do agente em tempo de execução.

Código de amostra (computação)

from atomic_agents import Agent, SystemPrompt, InputSchema, OutputSchema
# 定义系统提示
system_prompt = SystemPrompt("你是一个帮助用户解决问题的AI助手。")
# 定义输入和输出模式
input_schema = InputSchema({"type": "object", "properties": {"question": {"type": "string"}}})
output_schema = OutputSchema({"type": "object", "properties": {"answer": {"type": "string"}}})
# 创建代理
agent = Agent(system_prompt=system_prompt, input_schema=input_schema, output_schema=output_schema)
# 使用代理
response = agent.run({"question": "今天的天气怎么样？"})
print(response["answer"])

Fluxo de trabalho de desenvolvimento

1. Criação de uma nova filialCriar ramificações para novos recursos ou correções.

   git checkout -b feature-branch

2. Fazer alterações no códigoFaça alterações no diretório apropriado do projeto.
3. Código de formataçãoUse o código de formatação Preto.

   black atomic_agents

4. inspeção de códigoVerificação de código com Flake8.

   flake8 atomic_agents

5. teste operacionalGarantir que todos os testes sejam aprovados.

   pytest --cov atomic_agents

6. Enviar alteraçõesCompromisso e envio para um repositório remoto.

   git commit -m 'Add some feature'
git push origin feature-branch

7. Criação de um pull requestCrie uma solicitação pull no GitHub descrevendo as alterações e vinculando-as aos problemas relacionados.