swarms

إطار تنسيق متعدد الوكلاء جاهز للإنتاج على مستوى المؤسسة

؟ تويتر • ؟ Discord • أسراب منصة • ؟ الوثائق

سمات

فئة	سمات	فوائد
؟ الهندسة المعمارية للمؤسسة	• البنية التحتية جاهزة للإنتاج • أنظمة موثوقية عالية • التصميم المعياري • تسجيل شامل	• انخفاض وقت التوقف • صيانة أسهل • تصحيح أفضل • مراقبة تعزيز
؟ الوكيل تزامن	• أسراب هرمية • المعالجة الموازية • سير العمل المتسلسل • سير العمل القائم على الرسم البياني • إعادة ترتيب الوكيل الديناميكي	• التعامل مع المهام المعقدة • تحسين الأداء • سير العمل المرن • التنفيذ الأمثل
قدرات التكامل	• دعم متعدد الطراز • إنشاء الوكيل المخصص • مكتبة أدوات واسعة • أنظمة ذاكرة متعددة	• مرونة المزود • حلول مخصصة • وظيفة ممتدة • تعزيز إدارة الذاكرة
؟ قابلية التوسع	• المعالجة المتزامنة • إدارة الموارد • موازنة التحميل • التحجيم الأفقي	• إنتاجية أعلى • استخدام الموارد الفعال • أداء أفضل • سهولة التحجيم
أدوات المطور	• API بسيط • وثائق واسعة • المجتمع النشط • أدوات CLI	• تطور أسرع • منحنى التعلم سهل • دعم المجتمع • النشر السريع
؟ ميزات الأمن	• معالجة الأخطاء • الحد من معدل • تكامل المراقبة • تسجيل التدقيق	• تحسين الموثوقية • حماية API • مراقبة أفضل • تعزيز التتبع
ميزات متقدمة	• جدول البيانات • الدردشة الجماعية • سجل الوكيل • مزيج من العوامل	• إدارة الوكيل الجماعي • منظمة العفو الدولية التعاونية • السيطرة المركزية • حلول معقدة
؟ دعم المزود	• Openai • الإنسان • chromadb • مقدمي الخدمات المخصصة	• مرونة المزود • خيارات التخزين • التكامل المخصص • استقلال البائع
؟ ميزات الإنتاج	• إعادة المحاكاة التلقائية • دعم ASYNC • إدارة البيئة • اكتب السلامة	• موثوقية أفضل • تحسين الأداء • تكوين سهل • رمز أكثر أمانًا
استخدم دعم الحالة	• عوامل خاصة بالمهمة • سير العمل المخصص • حلول الصناعة • إطار عمل قابل للتمديد	• النشر السريع • حلول مرنة • استعداد الصناعة • تخصيص سهل

---

متطلبات

• python3.10 أو أعلى!
• $ pip install -U swarms ، ولا تنس تثبيت أسراب!
• .env OPENAI_API_KEY ANTHROPIC_API_KEY
• قم بتعيين متغير .env مع مساحة العمل المطلوبة الخاصة بك DIR: WORKSPACE_DIR="agent_workspace" أو قم بذلك في محطةك مع export WORKSPACE_DIR="agent_workspace"
• أخيرًا ، swarms onboarding لتبدأ.

أدلة وتجول

الرجوع إلى وثائقنا لتفاصيل تنفيذ درجة الإنتاج.

قسم	الروابط
تثبيت	تثبيت
Quickstart	ابدأ
الوكيل الآليات الداخلية	وكيل العمارة
وكيل API	وكيل API
دمج العوامل الخارجية Griptape ، Autogen ، إلخ	دمج واجهات برمجة التطبيقات الخارجية
إنشاء وكلاء من YAML	إنشاء وكلاء من YAML
لماذا تحتاج أسراب	لماذا التعاون متعدد العوامل ضروري
تحليل بنيات سرب	بنيات سرب
اختيار السرب المناسب لمشكلة عملك	انقر هنا
وكيل Rearrange مستندات	انقر هنا

ثَبَّتَ

$ pip3 install -U swarms

على متن الطائرة

الآن بعد أن قمت بتنزيل أسراب مع pip3 install -U swarms ، يمكننا الوصول إلى CLI . انطلق مع CLI الآن مع:

swarms onboarding

يمكنك أيضًا تشغيل هذا الأمر للحصول على المساعدة:

swarms help

لمزيد من الوثائق على CLI ، انقر هنا

---

أمثلة الاستخدام؟

فيما يلي بعض النصوص على سبيل المثال لتبدأ. للحصول على المزيد من الوثائق شمولية ، تفضل بزيارة مستنداتنا.

مثال الاسم	وصف	نوع الأمثلة	وصلة
أمثلة أسراب	مجموعة من الأمثلة البسيطة لإظهار قدرات الأسراب.	الاستخدام الأساسي	https://github.com/the-swarm-corporation/swarms-examples؟tab=readme-ov-file
كتاب الطبخ	دليل شامل مع وصفات لمختلف حالات الاستخدام والسيناريوهات.	استخدام متقدم	https://github.com/the-swarm-corporation/cookbook

---

فئة Agent

فئة Agent هي عنصر أساسي في إطار الأسراب ، المصمم لتنفيذ المهام بشكل مستقل. إنه يدمج LLMs والأدوات وقدرات الذاكرة طويلة المدى لإنشاء وكيل مكدس كامل. فئة Agent قابلة للتخصيص للغاية ، مما يسمح بالتحكم الدقيق في سلوكه وتفاعلاته.

run طريقة

طريقة run هي نقطة الدخول الأساسية لتنفيذ المهام باستخدام مثيل Agent . يقبل سلسلة المهام كمهمة الإدخال الرئيسية وتعالجها وفقًا لتكوين الوكيل. ويمكن أن يقبل أيضًا معلمة img مثل img="image_filepath.png لمعالجة الصور إذا كان لديك VLM

الإعدادات والتخصيص

تقدم فئة Agent مجموعة من الإعدادات لتكييف سلوكها لتلبية الاحتياجات المحددة. تشمل بعض إعدادات المفاتيح:

جلسة	وصف	القيمة الافتراضية
agent_name	اسم الوكيل.	"defaultagent"
system_prompt	مطالبة النظام لاستخدام الوكيل.	"موجه النظام الافتراضي."
llm	نموذج اللغة لاستخدامه في مهام المعالجة.	OpenAIChat مثال
max_loops	الحد الأقصى لعدد الحلقات للتنفيذ لمهمة.	1
autosave	يمكّن أو تعطيل تنشيط حالة الوكيل.	خطأ شنيع
dashboard	تمكين أو تعطيل لوحة القيادة للوكيل.	خطأ شنيع
verbose	يتحكم في فعل ناتج العامل.	خطأ شنيع
dynamic_temperature_enabled	يمكّن أو تعطيل ضبط درجة الحرارة الديناميكية لنموذج اللغة.	خطأ شنيع
saved_state_path	طريق حفظ حالة الوكيل.	"Agent_state.json"
user_name	اسم المستخدم المرتبط بالوكيل.	"default_user"
retry_attempts	عدد محاولات إعادة المحاولة للمهام الفاشلة.	1
context_length	الحد الأقصى لطول السياق للنظر في المهام.	200000
return_step_meta	الضوابط ما إذا كان لإرجاع بيانات التعريف في الإخراج.	خطأ شنيع
output_type	نوع الإخراج للعودة (على سبيل المثال ، "json" ، "سلسلة").	"خيط"

 import os
from swarms import Agent
from swarm_models import OpenAIChat

from swarms . prompts . finance_agent_sys_prompt import (
    FINANCIAL_AGENT_SYS_PROMPT ,
)
from dotenv import load_dotenv

load_dotenv ()

# Get the OpenAI API key from the environment variable
api_key = os . getenv ( "OPENAI_API_KEY" )

# Create an instance of the OpenAIChat class
model = OpenAIChat (
    openai_api_key = api_key , model_name = "gpt-4o-mini" , temperature = 0.1
)

# Initialize the agent
agent = Agent (
    agent_name = "Financial-Analysis-Agent" ,
    system_prompt = FINANCIAL_AGENT_SYS_PROMPT ,
    llm = model ,
    max_loops = 1 ,
    autosave = True ,
    dashboard = False ,
    verbose = True ,
    dynamic_temperature_enabled = True ,
    saved_state_path = "finance_agent.json" ,
    user_name = "swarms_corp" ,
    retry_attempts = 1 ,
    context_length = 200000 ,
    return_step_meta = False ,
    output_type = "string" ,
    streaming_on = False ,
)


agent . run (
    "How can I establish a ROTH IRA to buy stocks and get a tax break? What are the criteria"
)

---

دمج الخرقة مع أسراب لذاكرة طويلة الأجل معززة

Agent مزود بذاكرة شبه مالية lefinite باستخدام RAG (الرسم البياني للعامل العلائقي) لفهم المستندات المتقدمة ، وقدرات التحليل ، واسترجاعها.

مخطط حورية البحر لتكامل الخرقة

 الرسم البياني TD
    A [تهيئة الوكيل مع RAG] -> B [استلام المهمة]
    ب-> ج [استعلام ذاكرة طويلة المدى]
    ج -> د [مهمة العملية مع السياق]
    d -> e [إنشاء استجابة]
    e-> f [تحديث الذاكرة على المدى الطويل]
    F -> G [إخراج الإرجاع]

الخطوة 1: تهيئة عميل Chromadb

 import os

from swarms_memory import ChromaDB

# Initialize the ChromaDB client for long-term memory management
chromadb = ChromaDB (
    metric = "cosine" ,  # Metric for similarity measurement
    output_dir = "finance_agent_rag" ,  # Directory for storing RAG data
    # docs_folder="artifacts",  # Uncomment and specify the folder containing your documents
)

الخطوة 2: تحديد النموذج

 from swarm_models import Anthropic
from swarms . prompts . finance_agent_sys_prompt import (
    FINANCIAL_AGENT_SYS_PROMPT ,
)

# Define the Anthropic model for language processing
model = Anthropic ( anthropic_api_key = os . getenv ( "ANTHROPIC_API_KEY" ))

الخطوة 3: تهيئة الوكيل مع خرقة

 from swarms import Agent

# Initialize the agent with RAG capabilities
agent = Agent (
    agent_name = "Financial-Analysis-Agent" ,
    system_prompt = FINANCIAL_AGENT_SYS_PROMPT ,
    agent_description = "Agent creates a comprehensive financial analysis" ,
    llm = model ,
    max_loops = "auto" ,  # Auto-adjusts loops based on task complexity
    autosave = True ,  # Automatically saves agent state
    dashboard = False ,  # Disables dashboard for this example
    verbose = True ,  # Enables verbose mode for detailed output
    streaming_on = True ,  # Enables streaming for real-time processing
    dynamic_temperature_enabled = True ,  # Dynamically adjusts temperature for optimal performance
    saved_state_path = "finance_agent.json" ,  # Path to save agent state
    user_name = "swarms_corp" ,  # User name for the agent
    retry_attempts = 3 ,  # Number of retry attempts for failed tasks
    context_length = 200000 ,  # Maximum length of the context to consider
    long_term_memory = chromadb ,  # Integrates ChromaDB for long-term memory management
    return_step_meta = False ,
    output_type = "string" ,
)

# Run the agent with a sample task
agent . run (
    "What are the components of a startups stock incentive equity plan"
)

---

إعدادات وكيل متفرقات

نحن نقدم مجموعة واسعة من الميزات لإنقاذ ولايات الوكيل باستخدام JSON و YAML و TOML و APPLOAD PDFS والوظائف المزجدة وأكثر من ذلك بكثير!

جدول الطريقة

طريقة	وصف
to_dict()	يحول كائن الوكيل إلى قاموس.
to_toml()	يحول كائن الوكيل إلى سلسلة تومل.
model_dump_json()	تفريغ النموذج إلى ملف JSON.
model_dump_yaml()	تفريغ النموذج إلى ملف yaml.
ingest_docs()	يستند المستندات إلى قاعدة معرفة الوكيل.
receive_message()	يتلقى رسالة من مستخدم ويعالجها.
send_agent_message()	يرسل رسالة من الوكيل إلى مستخدم.
filtered_run()	يدير الوكيل مع موجه النظام المصفى.
bulk_run()	يدير الوكيل مع مطالبات نظام متعددة.
add_memory()	يضيف ذاكرة إلى الوكيل.
check_available_tokens()	يتحقق من عدد الرموز المتاحة للوكيل.
tokens_checks()	يؤدي الشيكات الرمز المميز للوكيل.
print_dashboard()	يطبع لوحة القيادة للوكيل.
get_docs_from_doc_folders()	يجلب جميع المستندات من مجلدات DOC.
activate_agentops()	ينشط عمليات الوكيل.
check_end_session_agentops()	يتحقق من نهاية الجلسة لعمليات الوكيل.

 # # Convert the agent object to a dictionary
print ( agent . to_dict ())
print ( agent . to_toml ())
print ( agent . model_dump_json ())
print ( agent . model_dump_yaml ())

# Ingest documents into the agent's knowledge base
agent . ingest_docs ( "your_pdf_path.pdf" )

# Receive a message from a user and process it
agent . receive_message ( name = "agent_name" , message = "message" )

# Send a message from the agent to a user
agent . send_agent_message ( agent_name = "agent_name" , message = "message" )

# Ingest multiple documents into the agent's knowledge base
agent . ingest_docs ( "your_pdf_path.pdf" , "your_csv_path.csv" )

# Run the agent with a filtered system prompt
agent . filtered_run (
    "How can I establish a ROTH IRA to buy stocks and get a tax break? What are the criteria?"
)

# Run the agent with multiple system prompts
agent . bulk_run (
    [
        "How can I establish a ROTH IRA to buy stocks and get a tax break? What are the criteria?" ,
        "Another system prompt" ,
    ]
)

# Add a memory to the agent
agent . add_memory ( "Add a memory to the agent" )

# Check the number of available tokens for the agent
agent . check_available_tokens ()

# Perform token checks for the agent
agent . tokens_checks ()

# Print the dashboard of the agent
agent . print_dashboard ()

# Fetch all the documents from the doc folders
agent . get_docs_from_doc_folders ()

# Activate agent ops
agent . activate_agentops ()
agent . check_end_session_agentops ()

# Dump the model to a JSON file
agent . model_dump_json ()
print ( agent . to_toml ())

Agent مع قاعدة القاعدة الأطلسي كنوع الإخراج

فيما يلي مثال على الوكيل الذي يتضمن عوامل قاعدة الأطلسي ويؤدي إلى إخراجها في نفس الوقت:

 from pydantic import BaseModel , Field
from swarms import Agent
from swarm_models import Anthropic


# Initialize the schema for the person's information
class Schema ( BaseModel ):
    name : str = Field (..., title = "Name of the person" )
    agent : int = Field (..., title = "Age of the person" )
    is_student : bool = Field (..., title = "Whether the person is a student" )
    courses : list [ str ] = Field (
        ..., title = "List of courses the person is taking"
    )


# Convert the schema to a JSON string
tool_schema = Schema (
    name = "Tool Name" ,
    agent = 1 ,
    is_student = True ,
    courses = [ "Course1" , "Course2" ],
)

# Define the task to generate a person's information
task = "Generate a person's information based on the following schema:"

# Initialize the agent
agent = Agent (
    agent_name = "Person Information Generator" ,
    system_prompt = (
        "Generate a person's information based on the following schema:"
    ),
    # Set the tool schema to the JSON string -- this is the key difference
    tool_schema = tool_schema ,
    llm = Anthropic (),
    max_loops = 3 ,
    autosave = True ,
    dashboard = False ,
    streaming_on = True ,
    verbose = True ,
    interactive = True ,
    # Set the output type to the tool schema which is a BaseModel
    output_type = tool_schema ,  # or dict, or str
    metadata_output_type = "json" ,
    # List of schemas that the agent can handle
    list_base_models = [ tool_schema ],
    function_calling_format_type = "OpenAI" ,
    function_calling_type = "json" ,  # or soon yaml
)

# Run the agent to generate the person's information
generated_data = agent . run ( task )

# Print the generated data
print ( f"Generated data: { generated_data } " )

عامل مستقل متعدد الوسائط

قم بتشغيل الوكيل ذي طرائق متعددة مفيدة لمختلف المهام في العالم الحقيقي في التصنيع والخدمات اللوجستية والصحة.

 import os
from dotenv import load_dotenv
from swarms import Agent

from swarm_models import GPT4VisionAPI

# Load the environment variables
load_dotenv ()


# Initialize the language model
llm = GPT4VisionAPI (
    openai_api_key = os . environ . get ( "OPENAI_API_KEY" ),
    max_tokens = 500 ,
)

# Initialize the task
task = (
    "Analyze this image of an assembly line and identify any issues such as"
    " misaligned parts, defects, or deviations from the standard assembly"
    " process. IF there is anything unsafe in the image, explain why it is"
    " unsafe and how it could be improved."
)
img = "assembly_line.jpg"

## Initialize the workflow
agent = Agent (
    agent_name = "Multi-ModalAgent" ,
    llm = llm , 
    max_loops = "auto" , 
    autosave = True , 
    dashboard = True , 
    multi_modal = True
)

# Run the workflow on a task
agent . run ( task , img )

---

ToolAgent

Toolagent هو وكيل يمكنه استخدام الأدوات من خلال استدعاء وظيفة JSON. إنه يتناول أي نموذج مفتوح المصدر من LuggingFace وهو وحدني للغاية ويتم توصيله والتشغيل. نحتاج إلى مساعدة في إضافة دعم عام لجميع النماذج قريبًا.

 from pydantic import BaseModel , Field
from transformers import AutoModelForCausalLM , AutoTokenizer

from swarms import ToolAgent
from swarms . utils . json_utils import base_model_to_json

# Load the pre-trained model and tokenizer
model = AutoModelForCausalLM . from_pretrained (
    "databricks/dolly-v2-12b" ,
    load_in_4bit = True ,
    device_map = "auto" ,
)
tokenizer = AutoTokenizer . from_pretrained ( "databricks/dolly-v2-12b" )


# Initialize the schema for the person's information
class Schema ( BaseModel ):
    name : str = Field (..., title = "Name of the person" )
    agent : int = Field (..., title = "Age of the person" )
    is_student : bool = Field (
        ..., title = "Whether the person is a student"
    )
    courses : list [ str ] = Field (
        ..., title = "List of courses the person is taking"
    )


# Convert the schema to a JSON string
tool_schema = base_model_to_json ( Schema )

# Define the task to generate a person's information
task = (
    "Generate a person's information based on the following schema:"
)

# Create an instance of the ToolAgent class
agent = ToolAgent (
    name = "dolly-function-agent" ,
    description = "Ana gent to create a child data" ,
    model = model ,
    tokenizer = tokenizer ,
    json_schema = tool_schema ,
)

# Run the agent to generate the person's information
generated_data = agent . run ( task )

# Print the generated data
print ( f"Generated data: { generated_data } " )

دمج العوامل الخارجية

من السهل دمج الوكلاء الخارجيين من أطر عمل الوكيل الأخرى مع أسراب.

خطوات:

1. إنشاء فئة جديدة ترث Agent
2. قم بإنشاء طريقة .run(task: str) -> str التي تدير الوكيل وإرجاع الاستجابة.
3. يجب أن يعيد الوكيل الجديد سلسلة من الاستجابة. ولكن يمكنك إضافة طرق إضافية لحفظ الإخراج إلى JSON.

مثال Griptape

على سبيل المثال ، إليك مثال على كيفية إنشاء وكيل من Griptape.

فيما يلي كيف يمكنك إنشاء وكيل Griptape مخصص يتكامل مع إطار الأسوار من خلال الوراثة من فئة Agent في أسراب وتغلب على طريقة run(task: str) -> str .

 from swarms import (
    Agent as SwarmsAgent ,
)  # Import the base Agent class from Swarms
from griptape . structures import Agent as GriptapeAgent
from griptape . tools import (
    WebScraperTool ,
    FileManagerTool ,
    PromptSummaryTool ,
)


# Create a custom agent class that inherits from SwarmsAgent
class GriptapeSwarmsAgent ( SwarmsAgent ):
    def __init__ ( self , * args , ** kwargs ):
        # Initialize the Griptape agent with its tools
        self . agent = GriptapeAgent (
            input = "Load {{ args[0] }}, summarize it, and store it in a file called {{ args[1] }}." ,
            tools = [
                WebScraperTool ( off_prompt = True ),
                PromptSummaryTool ( off_prompt = True ),
                FileManagerTool (),
            ],
            * args ,
            ** kwargs ,
            # Add additional settings
        )

    # Override the run method to take a task and execute it using the Griptape agent
    def run ( self , task : str ) -> str :
        # Extract URL and filename from task (you can modify this parsing based on task structure)
        url , filename = task . split (
            ","
        )  # Example of splitting task string
        # Execute the Griptape agent with the task inputs
        result = self . agent . run ( url . strip (), filename . strip ())
        # Return the final result as a string
        return str ( result )


# Example usage:
griptape_swarms_agent = GriptapeSwarmsAgent ()
output = griptape_swarms_agent . run (
    "https://griptape.ai, griptape.txt"
)
print ( output )

المكونات الرئيسية:

1. GriptapesWarmSagent : فئة مخصصة ترث من فئة SwarmsAgent ودمج وكيل Griptape.
2. Run (Task: STR) -> STR : طريقة تأخذ سلسلة مهمة ، وتعالجها (على سبيل المثال ، الانقسام إلى عنوان URL واسم الملف) ، ويقوم بتشغيل عامل Griptape مع المدخلات المقدمة.
3. أدوات Griptape : تتيح الأدوات المدمجة في Agent Griptape (على سبيل المثال ، WebScraperTool ، PromptSummaryTool ، FileManagerTool ) تجريد الويب ، تلخيص ، وإدارة الملفات.

يمكنك الآن توصيل وكيل Griptape المخصص هذا بسهولة في إطار Swarms واستخدامه لتشغيل المهام!

فهم أسراب

ما هو سرب؟

يشير سرب إلى مجموعة من أكثر من اثنين من العوامل التي تعمل بشكل تعاوني لتحقيق هدف مشترك. يمكن أن تكون هذه الوكلاء كيانات برمجية ، مثل LLMs التي تتفاعل مع بعضها البعض لأداء مهام معقدة. مفهوم السرب مستوحى من الأنظمة الطبيعية مثل مستعمرات النمل أو قطعان الطيور ، حيث تؤدي السلوكيات الفردية البسيطة إلى ديناميات المجموعة المعقدة وقدرات حل المشكلات.

كيف تسهل بنيات سرب التواصل

تم تصميم هياكل Swarm لإنشاء وإدارة التواصل بين الوكلاء داخل سرب. تحدد هذه الهياكل كيفية تفاعل الوكلاء وتبادل المعلومات وتنسيق أفعالهم لتحقيق النتائج المرجوة. فيما يلي بعض الجوانب الرئيسية لبنية Swarm:

1. التواصل الهرمي : في أسراب هرمية ، يتدفق الاتصال من العوامل ذات المستوى الأعلى إلى العوامل ذات المستوى الأدنى. تعمل العوامل ذات المستوى الأعلى كمنسقين ، وتوزيع المهام والنتائج التجميعية. هذا الهيكل فعال للمهام التي تتطلب التحكم من أعلى إلى أسفل وصنع القرار.

2. التواصل المتوازي : في أسراب متوازية ، يعمل الوكلاء بشكل مستقل ويتواصلون مع بعضهم البعض حسب الحاجة. هذه الهندسة المعمارية مناسبة للمهام التي يمكن معالجتها بشكل متزامن دون تبعيات ، مما يتيح التنفيذ بشكل أسرع وقابلية التوسع.

3. الاتصال المتسلسل : أسراب متسلسلة مهام معالجة بترتيب خطي ، حيث يصبح إخراج كل عامل إدخال العامل التالي. هذا يضمن أن يتم التعامل مع المهام مع التبعيات في التسلسل الصحيح ، مع الحفاظ على سلامة سير العمل.

4. الاتصالات الشبكية : في أسراب شبكية ، يتم توصيل الوكلاء بالكامل ، مما يسمح لأي وكيل بالتواصل مع أي وكيل آخر. يوفر هذا الإعداد مرونة عالية وتكرار ، مما يجعله مثاليًا للأنظمة المعقدة التي تتطلب تفاعلات ديناميكية.

5. الاتصالات الموحدة : تتضمن أسراب الاتحادية أسراب متعددة مستقلة تتعاون من خلال مشاركة المعلومات والنتائج. يعمل كل سرب بشكل مستقل ولكن يمكن أن يساهم في مهمة أكبر ، مما يتيح حل المشكلات الموزعة عبر العقد المختلفة.

تستفيد هياكل Swarm هذه لضمان عمل الوكلاء معًا بكفاءة ، والتكيف مع المتطلبات المحددة للمهمة المطروحة. من خلال تحديد بروتوكولات التواصل الواضحة ونماذج التفاعل ، تمكن بنيات سرب من التزامن السلس من عوامل متعددة ، مما يؤدي إلى تعزيز الأداء وقدرات حل المشكلات.

اسم	وصف	رابط الرمز	استخدام الحالات
أسراب هرمية	نظام يتم تنظيم فيه الوكلاء في التسلسل الهرمي ، مع وجود عوامل ذات مستوى أعلى من أجل تنسيق العوامل ذات المستوى الأدنى لتحقيق مهام معقدة.	رابط الرمز	تحسين عملية التصنيع ، إدارة المبيعات متعددة المستويات ، تنسيق موارد الرعاية الصحية
وكيل إعادة ترتيب	إعداد حيث يعيد الوكلاء ترتيب أنفسهم بشكل ديناميكي بناءً على متطلبات المهمة والظروف البيئية.	رابط الرمز	خطوط التصنيع التكيفية ، إعادة تنظيم منطقة المبيعات الديناميكية ، موظفي الرعاية الصحية المرنة
سير العمل المتزامن	يقوم الوكلاء بمهام مختلفة في وقت واحد ، والتنسيق لإكمال هدف أكبر.	رابط الرمز	خطوط الإنتاج المتزامنة ، وعمليات المبيعات المتوازية ، وعمليات رعاية المرضى في وقت واحد
التنسيق المتسلسل	يقوم الوكلاء بمهام في تسلسل محدد ، حيث يؤدي الانتهاء من مهمة واحدة إلى بداية أخرى.	رابط الرمز	خطوط التجميع خطوة بخطوة ، وعمليات مبيعات متسلسلة ، وسير عمل لعلاج المرضى التدريجي
معالجة موازية	يعمل الوكلاء على أجزاء مختلفة من المهمة في وقت واحد لتسريع العملية الكلية.	رابط الرمز	معالجة البيانات الموازية في التصنيع ، تحليلات المبيعات المتزامنة ، الاختبارات الطبية المتزامنة
مزيج من العوامل	سرب غير متجانسة حيث يتم الجمع بين الوكلاء ذوي القدرات المختلفة لحل المشكلات المعقدة.	رابط الرمز	التنبؤ المالي ، وحل المشكلات المعقدة التي تتطلب مهارات متنوعة
سير عمل الرسم البياني	يتعاون الوكلاء بتنسيق الرسم البياني الموجه (DAG) لإدارة التبعيات والمهام المتوازية.	رابط الرمز	خطوط أنابيب تطوير البرمجيات التي تحركها AI ، إدارة المشاريع المعقدة
دردشة جماعية	يشارك الوكلاء في تفاعل يشبه الدردشة للوصول إلى القرارات بشكل تعاوني.	رابط الرمز	في الوقت الحقيقي اتخاذ القرارات التعاونية ، مفاوضات العقود
سجل الوكيل	سجل مركزي حيث يتم تخزين الوكلاء واستردادهم واستدعاءها ديناميكيًا.	رابط الرمز	إدارة الوكيل الديناميكي ، محركات التوصية المتطورة
سرب جداول البيانات	يدير المهام على نطاق واسع ، مخرجات وكيل التتبع بتنسيق منظم مثل ملفات CSV.	رابط الرمز	تحليلات التسويق على نطاق واسع ، عمليات التدقيق المالية
سرب الغابات	هيكل سرب ينظم العوامل في التسلسل الهرمي الشبيه بالأشجار لعمليات صنع القرار المعقدة.	رابط الرمز	سير عمل متعدد المراحل ، تعلم التعزيز الهرمي
جهاز توجيه سرب	الطرق وتختار بنية Swarm بناءً على متطلبات المهمة والوكلاء المتاحة.	رابط الرمز	توجيه المهام الديناميكي ، واختيار بنية السرب التكيفية ، تخصيص الوكيل المحسّن

SequentialWorkflow

يمكّنك سير العمل المتسلسل من تنفيذ المهام بشكل متتابع مع Agent ثم تمرير الإخراج إلى العامل التالي وما بعده حتى تحدد حلقاتك القصوى.

 الرسم البياني LR
    A [Agent 1] -> B [Agent 2]
    ب -> ج [الوكيل 3]
    ج -> د [الوكيل 4]
    D -> E [Max Loops]
    e -> f [end]

طُرق

طريقة	وصف	حدود	قيمة الإرجاع
__init__	تهيئة sequentialworkflow	agents : قائمة كائنات الوكيل max_loops : الحد الأقصى لعدد التكرارات verbose : منطقية لإخراج المطول	لا أحد
run	تنفيذ سير العمل	input_data : الإدخال الأولي للعامل الأول	الإخراج النهائي بعد معالجة جميع الوكلاء

المدخلات

مدخل	يكتب	وصف
agents	قائمة [الوكيل]	قائمة كائنات الوكيل المراد تنفيذها بالتتابع
max_loops	int	الحد الأقصى لعدد المرات سيتم تكرار التسلسل بأكمله
verbose	بول	إذا كان صحيحًا ، قم بطباعة معلومات مفصلة أثناء التنفيذ

الإخراج

تقوم طريقة run بإرجاع الإخراج النهائي بعد معالجة جميع الوكلاء الإدخال بالتتابع.

في هذا المثال ، يمثل كل Agent مهمة يتم تنفيذها بالتتابع. يتم تمرير إخراج كل عامل إلى العامل التالي في التسلسل حتى يتم الوصول إلى الحد الأقصى لعدد الحلقات. يعد سير العمل هذا مفيدًا بشكل خاص للمهام التي تتطلب سلسلة من الخطوات التي يتم تنفيذها بترتيب محدد ، مثل خطوط معالجة البيانات أو الحسابات المعقدة التي تعتمد على إخراج الخطوات السابقة.

 import os
from swarms import Agent , SequentialWorkflow
from swarm_models import OpenAIChat

# model = Anthropic(anthropic_api_key=os.getenv("ANTHROPIC_API_KEY"))
company = "Nvidia"
# Get the OpenAI API key from the environment variable
api_key = os . getenv ( "GROQ_API_KEY" )

# Model
model = OpenAIChat (
    openai_api_base = "https://api.groq.com/openai/v1" ,
    openai_api_key = api_key ,
    model_name = "llama-3.1-70b-versatile" ,
    temperature = 0.1 ,
)


# Initialize the Managing Director agent
managing_director = Agent (
    agent_name = "Managing-Director" ,
    system_prompt = f"""
    As the Managing Director at Blackstone, your role is to oversee the entire investment analysis process for potential acquisitions. 
    Your responsibilities include:
    1. Setting the overall strategy and direction for the analysis
    2. Coordinating the efforts of the various team members and ensuring a comprehensive evaluation
    3. Reviewing the findings and recommendations from each team member
    4. Making the final decision on whether to proceed with the acquisition
    
    For the current potential acquisition of { company } , direct the tasks for the team to thoroughly analyze all aspects of the company, including its financials, industry position, technology, market potential, and regulatory compliance. Provide guidance and feedback as needed to ensure a rigorous and unbiased assessment.
    """ ,
    llm = model ,
    max_loops = 1 ,
    dashboard = False ,
    streaming_on = True ,
    verbose = True ,
    stopping_token = "<DONE>" ,
    state_save_file_type = "json" ,
    saved_state_path = "managing-director.json" ,
)

# Initialize the Vice President of Finance
vp_finance = Agent (
    agent_name = "VP-Finance" ,
    system_prompt = f"""
    As the Vice President of Finance at Blackstone, your role is to lead the financial analysis of potential acquisitions. 
    For the current potential acquisition of { company } , your tasks include:
    1. Conducting a thorough review of { company } ' financial statements, including income statements, balance sheets, and cash flow statements
    2. Analyzing key financial metrics such as revenue growth, profitability margins, liquidity ratios, and debt levels
    3. Assessing the company's historical financial performance and projecting future performance based on assumptions and market conditions
    4. Identifying any financial risks or red flags that could impact the acquisition decision
    5. Providing a detailed report on your findings and recommendations to the Managing Director

    Be sure to consider factors such as the sustainability of { company } ' business model, the strength of its customer base, and its ability to generate consistent cash flows. Your analysis should be data-driven, objective, and aligned with Blackstone's investment criteria.
    """ ,
    llm = model ,
    max_loops = 1 ,
    dashboard = False ,
    streaming_on = True ,
    verbose = True ,
    stopping_token = "<DONE>" ,
    state_save_file_type = "json" ,
    saved_state_path = "vp-finance.json" ,
)

# Initialize the Industry Analyst
industry_analyst = Agent (
    agent_name = "Industry-Analyst" ,
    system_prompt = f"""
    As the Industry Analyst at Blackstone, your role is to provide in-depth research and analysis on the industries and markets relevant to potential acquisitions.
    For the current potential acquisition of { company } , your tasks include:
    1. Conducting a comprehensive analysis of the industrial robotics and automation solutions industry, including market size, growth rates, key trends, and future prospects
    2. Identifying the major players in the industry and assessing their market share, competitive strengths and weaknesses, and strategic positioning 
    3. Evaluating { company } ' competitive position within the industry, including its market share, differentiation, and competitive advantages
    4. Analyzing the key drivers and restraints for the industry, such as technological advancements, labor costs, regulatory changes, and economic conditions
    5. Identifying potential risks and opportunities for { company } based on the industry analysis, such as disruptive technologies, emerging markets, or shifts in customer preferences  
    
    Your analysis should provide a clear and objective assessment of the attractiveness and future potential of the industrial robotics industry, as well as { company } ' positioning within it. Consider both short-term and long-term factors, and provide evidence-based insights to inform the investment decision.
    """ ,
    llm = model ,
    max_loops = 1 ,
    dashboard = False ,
    streaming_on = True ,
    verbose = True ,
    stopping_token = "<DONE>" ,
    state_save_file_type = "json" ,
    saved_state_path = "industry-analyst.json" ,
)

# Initialize the Technology Expert
tech_expert = Agent (
    agent_name = "Tech-Expert" ,
    system_prompt = f"""
    As the Technology Expert at Blackstone, your role is to assess the technological capabilities, competitive advantages, and potential risks of companies being considered for acquisition.
    For the current potential acquisition of { company } , your tasks include:
    1. Conducting a deep dive into { company } ' proprietary technologies, including its robotics platforms, automation software, and AI capabilities 
    2. Assessing the uniqueness, scalability, and defensibility of { company } ' technology stack and intellectual property
    3. Comparing { company } ' technologies to those of its competitors and identifying any key differentiators or technology gaps
    4. Evaluating { company } ' research and development capabilities, including its innovation pipeline, engineering talent, and R&D investments
    5. Identifying any potential technology risks or disruptive threats that could impact { company } ' long-term competitiveness, such as emerging technologies or expiring patents
    
    Your analysis should provide a comprehensive assessment of { company } ' technological strengths and weaknesses, as well as the sustainability of its competitive advantages. Consider both the current state of its technology and its future potential in light of industry trends and advancements.
    """ ,
    llm = model ,
    max_loops = 1 ,
    dashboard = False ,
    streaming_on = True ,
    verbose = True ,
    stopping_token = "<DONE>" ,
    state_save_file_type = "json" ,
    saved_state_path = "tech-expert.json" ,
)

# Initialize the Market Researcher
market_researcher = Agent (
    agent_name = "Market-Researcher" ,
    system_prompt = f"""
    As the Market Researcher at Blackstone, your role is to analyze the target company's customer base, market share, and growth potential to assess the commercial viability and attractiveness of the potential acquisition.
    For the current potential acquisition of { company } , your tasks include:
    1. Analyzing { company } ' current customer base, including customer segmentation, concentration risk, and retention rates
    2. Assessing { company } ' market share within its target markets and identifying key factors driving its market position
    3. Conducting a detailed market sizing and segmentation analysis for the industrial robotics and automation markets, including identifying high-growth segments and emerging opportunities
    4. Evaluating the demand drivers and sales cycles for { company } ' products and services, and identifying any potential risks or limitations to adoption
    5. Developing financial projections and estimates for { company } ' revenue growth potential based on the market analysis and assumptions around market share and penetration
    
    Your analysis should provide a data-driven assessment of the market opportunity for { company } and the feasibility of achieving our investment return targets. Consider both bottom-up and top-down market perspectives, and identify any key sensitivities or assumptions in your projections.
    """ ,
    llm = model ,
    max_loops = 1 ,
    dashboard = False ,
    streaming_on = True ,
    verbose = True ,
    stopping_token = "<DONE>" ,
    state_save_file_type = "json" ,
    saved_state_path = "market-researcher.json" ,
)

# Initialize the Regulatory Specialist
regulatory_specialist = Agent (
    agent_name = "Regulatory-Specialist" ,
    system_prompt = f"""
    As the Regulatory Specialist at Blackstone, your role is to identify and assess any regulatory risks, compliance requirements, and potential legal liabilities associated with potential acquisitions.
    For the current potential acquisition of { company } , your tasks include:  
    1. Identifying all relevant regulatory bodies and laws that govern the operations of { company } , including industry-specific regulations, labor laws, and environmental regulations
    2. Reviewing { company } ' current compliance policies, procedures, and track record to identify any potential gaps or areas of non-compliance
    3. Assessing the potential impact of any pending or proposed changes to relevant regulations that could affect { company } ' business or create additional compliance burdens
    4. Evaluating the potential legal liabilities and risks associated with { company } ' products, services, and operations, including product liability, intellectual property, and customer contracts
    5. Providing recommendations on any regulatory or legal due diligence steps that should be taken as part of the acquisition process, as well as any post-acquisition integration considerations
    
    Your analysis should provide a comprehensive assessment of the regulatory and legal landscape surrounding { company } , and identify any material risks or potential deal-breakers. Consider both the current state and future outlook, and provide practical recommendations to mitigate identified risks.
    """ ,
    llm = model ,
    max_loops = 1 ,
    dashboard = False ,
    streaming_on = True ,
    verbose = True ,
    stopping_token = "<DONE>" ,
    state_save_file_type = "json" ,
    saved_state_path = "regulatory-specialist.json" ,
)

# Create a list of agents
agents = [
    managing_director ,
    vp_finance ,
    industry_analyst ,
    tech_expert ,
    market_researcher ,
    regulatory_specialist ,
]


swarm = SequentialWorkflow (
    name = "blackstone-private-equity-advisors" ,
    agents = agents ,
)

print (
    swarm . run (
        "Analyze nvidia if it's a good deal to invest in now 10B"
    )
)

---

AgentRearrange

تتيح لك تقنية التزامن AgentRearrange ، المستوحاة من einops و einsum ، تحديد العلاقات بين مختلف العوامل. يوفر أداة قوية لتنظيم مهام سير العمل المعقدة ، مما يتيح لك تحديد علاقات خطية وتتابع مثل a -> a1 -> a2 -> a3 ، أو العلاقات المتزامنة حيث يرسل الوكيل الأول رسالة إلى 3 وكلاء في وقت واحد: a -> a1, a2, a3 . يتيح هذا المستوى من التخصيص إنشاء سير عمل فعال وديناميكي ، حيث يمكن للوكلاء العمل بالتوازي أو بالتسلسل حسب الحاجة. تعتبر تقنية AgentRearrange إضافة قيمة إلى مكتبة أسراب ، حيث توفر مستوى جديدًا من المرونة والتحكم في تزامن الوكلاء. لمزيد من المعلومات والأمثلة التفصيلية ، يرجى الرجوع إلى الوثائق الرسمية.

طُرق

طريقة	وصف	حدود	قيمة الإرجاع
__init__	تهيئة AgentRearrange	agents : قائمة كائنات الوكيل flow : سلسلة تصف تدفق الوكيل	لا أحد
run	تنفيذ سير العمل	input_data : الإدخال الأولي للعامل الأول	الإخراج النهائي بعد معالجة جميع الوكلاء

المدخلات

مدخل	يكتب	وصف
agents	قائمة [الوكيل]	قائمة كائنات الوكيل المراد تنظيمها
flow	شارع	سلسلة تصف تدفق الوكلاء (على سبيل المثال ، "A -> B ، C")

الإخراج

تقوم طريقة run بإرجاع الإخراج النهائي بعد معالجة جميع الوكلاء المدخلات وفقًا للتدفق المحدد.

 from swarms import Agent , AgentRearrange


from swarm_models import Anthropic

# Initialize the director agent

director = Agent (
    agent_name = "Director" ,
    system_prompt = "Directs the tasks for the workers" ,
    llm = Anthropic (),
    max_loops = 1 ,
    dashboard = False ,
    streaming_on = True ,
    verbose = True ,
    stopping_token = "<DONE>" ,
    state_save_file_type = "json" ,
    saved_state_path = "director.json" ,
)


# Initialize worker 1

worker1 = Agent (
    agent_name = "Worker1" ,
    system_prompt = "Generates a transcript for a youtube video on what swarms are" ,
    llm = Anthropic (),
    max_loops = 1 ,
    dashboard = False ,
    streaming_on = True ,
    verbose = True ,
    stopping_token = "<DONE>" ,
    state_save_file_type = "json" ,
    saved_state_path = "worker1.json" ,
)


# Initialize worker 2
worker2 = Agent (
    agent_name = "Worker2" ,
    system_prompt = "Summarizes the transcript generated by Worker1" ,
    llm = Anthropic (),
    max_loops = 1 ,
    dashboard = False ,
    streaming_on = True ,
    verbose = True ,
    stopping_token = "<DONE>" ,
    state_save_file_type = "json" ,
    saved_state_path = "worker2.json" ,
)


# Create a list of agents
agents = [ director , worker1 , worker2 ]

# Define the flow pattern
flow = "Director -> Worker1 -> Worker2"

# Using AgentRearrange class
agent_system = AgentRearrange ( agents = agents , flow = flow )
output = agent_system . run (
    "Create a format to express and communicate swarms of llms in a structured manner for youtube"
)
print ( output )

HierarhicalSwarm

قريباً...

GraphSwarm

GraphSwarm هو نظام إدارة سير العمل مصمم لتنظيم المهام المعقدة من خلال الاستفادة من قوة نظرية الرسم البياني. إنه يتيح إنشاء رسم بياني حكيمي موجه (DAG) لنمذجة التبعيات بين المهام والوكلاء. هذا يسمح بتعيين المهمة الفعالة والتنفيذ والمراقبة.

إليك تفاصيل عن كيفية عمل GraphSwarm :

1. إنشاء العقدة : يتكون سير عمل GraphSwarm من العقد ، والتي يمكن أن تكون إما عوامل أو مهام. الوكلاء مسؤولون عن تنفيذ المهام ، والمهام تمثل عمليات محددة تحتاج إلى تنفيذها. في المثال ، يتم إنشاء اثنين من العوامل ( agent1 و agent2 ) ومهمة واحدة ( task1 ).
2. تعريف الحافة : يتم استخدام الحواف لتحديد العلاقات بين العقد. في هذه الحالة ، يتم إنشاء الحواف لتوصيل agent1 و agent2 إلى task1 ، مما يشير إلى أن كلا الوكلاء قادرين على تنفيذ task1 .
3. نقاط الدخول والنهاية : يتطلب سير عمل GraphSwarm تعريف نقاط الدخول (حيث يبدأ سير العمل) ونقاط النهاية (حيث يختتم سير العمل). في هذا المثال ، يتم تعيين agent1 و agent2 كنقاط إدخال ، ويتم تعيين task1 كنقطة نهاية.
4. التصور : يوفر GraphSwarm ميزة التصور لتمثيل سير العمل بيانياً. هذا يسمح بفهم وتصحيح تصحيح هيكل سير العمل.
5. التنفيذ : يتم تنفيذ سير عمل GraphSwarm عن طريق اجتياز الرسم البياني من نقاط الإدخال إلى نقاط النهاية. في هذه الحالة ، يقوم كل من agent1 و agent2 بتنفيذ task1 بشكل متزامن ، ويتم جمع النتائج.
6. النتائج : يتم تجميع النتائج النهائية لتنفيذ سير العمل وإعادتها. في هذا المثال ، فإن نتيجة تنفيذ task1 هي "المهمة المكتملة".

يوفر GraphSwarm عدة فوائد ، بما في ذلك:

• التزامن : يتيح تنفيذ المهام بشكل متزامن ، وتحسين كفاءة سير العمل الشاملة.
• المرونة : يسمح بتخصيص المهمة الديناميكية بناءً على توفر الوكيل ومتطلبات المهمة.
• قابلية التوسع : يدعم إضافة وكلاء ومهام جديدة حسب الحاجة ، مما يجعلها مناسبة لسير العمل على نطاق واسع.
• التصور : يوفر تمثيلًا رسوميًا لسير العمل ، مما يسهل الفهم وتصحيح الأخطاء.

من خلال الاستفادة من GraphSwarm ، يمكن إدارة سير العمل المعقدة بكفاءة ، ويمكن تنفيذ المهام بطريقة منسقة وقابلة للتطوير.

طُرق

طريقة	وصف	حدود	قيمة الإرجاع
add_node	أضف عقدة إلى الرسم البياني	node : كائن العقدة	لا أحد
add_edge	أضف حافة إلى الرسم البياني	edge : كائن الحافة	لا أحد
set_entry_points	قم بتعيين نقاط دخول الرسم البياني	entry_points : قائمة معرفات العقدة	لا أحد
set_end_points	اضبط نقاط نهاية الرسم البياني	end_points : قائمة معرفات العقدة	لا أحد
visualize	توليد تمثيل مرئي للرسم البياني	لا أحد	تمثيل سلسلة الرسم البياني
run	تنفيذ سير العمل	لا أحد	قاموس نتائج التنفيذ

المدخلات

مدخل	يكتب	وصف
Node	هدف	يمثل عقدة في الرسم البياني (وكيل أو مهمة)
Edge	هدف	يمثل حافة توصيل العقدتين
entry_points	قائمة [str]	قائمة معرفات العقدة حيث يبدأ سير العمل
end_points	قائمة [str]	قائمة معرفات العقدة حيث ينتهي سير العمل

الإخراج

تقوم طريقة run بإرجاع قاموس يحتوي على نتائج تنفيذ جميع العقد في الرسم البياني.

 import os

from dotenv import load_dotenv


from swarms import Agent , Edge , GraphWorkflow , Node , NodeType

from swarm_models import OpenAIChat

load_dotenv ()

api_key = os . environ . get ( "OPENAI_API_KEY" )

llm = OpenAIChat (
    temperature = 0.5 , openai_api_key = api_key , max_tokens = 4000
)
agent1 = Agent ( llm = llm , max_loops = 1 , autosave = True , dashboard = True )
agent2 = Agent ( llm = llm , max_loops = 1 , autosave = True , dashboard = True )

def sample_task ():
    print ( "Running sample task" )
    return "Task completed"

wf_graph = GraphWorkflow ()
wf_graph . add_node ( Node ( id = "agent1" , type = NodeType . AGENT , agent = agent1 ))
wf_graph . add_node ( Node ( id = "agent2" , type = NodeType . AGENT , agent = agent2 ))
wf_graph . add_node (
    Node ( id = "task1" , type = NodeType . TASK , callable = sample_task )
)
wf_graph . add_edge ( Edge ( source = "agent1" , target = "task1" ))
wf_graph . add_edge ( Edge ( source = "agent2" , target = "task1" ))

wf_graph . set_entry_points ([ "agent1" , "agent2" ])
wf_graph . set_end_points ([ "task1" ])

print ( wf_graph . visualize ())

# Run the workflow
results = wf_graph . run ()
print ( "Execution results:" , results )

MixtureOfAgents

هذا تطبيق يعتمد على الورقة: "خليط العامل يعزز إمكانيات نموذج اللغة الكبيرة" من قبل معًا ، متاح على https://arxiv.org/abs/2406.04692. وهو يحقق نتائج أحدث (SOTA) على Alpacaeval 2.0 و MT-Bench و Flask ، متجاوزة GPT-4 Omni. هذه الهندسة المعمارية مناسبة بشكل خاص للمهام التي تتطلب التوازي تليها معالجة متسلسلة في حلقة أخرى.

طُرق

طريقة	وصف	حدود	قيمة الإرجاع
__init__	تهيئة الخليط	name : اسم Swarm agents : قائمة كائنات الوكيل layers : عدد طبقات المعالجة final_agent : وكيل للمعالجة النهائية	لا أحد
run	تنفيذ سرب	task : مهمة الإدخال للسرب	الإخراج النهائي بعد معالجة جميع الوكلاء

المدخلات

مدخل	يكتب	وصف
name	شارع	اسم السرب
agents	قائمة [الوكيل]	قائمة كائنات الوكيل المراد استخدامها في سرب
layers	int	عدد طبقات المعالجة في سرب
final_agent	عامل	الوكيل المسؤول عن المعالجة النهائية

الإخراج

تقوم طريقة run بإرجاع الإخراج النهائي بعد معالجة جميع الوكلاء الإدخال وفقًا للطبقات المحددة والوكيل النهائي.

 import os
from swarm_models import OpenAIChat
from swarms import Agent , MixtureOfAgents

api_key = os . getenv ( "OPENAI_API_KEY" )

# Create individual agents with the OpenAIChat model
model = OpenAIChat (
    openai_api_key = api_key , model_name = "gpt-4" , temperature = 0.1
)

# Agent 1: Financial Statement Analyzer
agent1 = Agent (
    agent_name = "FinancialStatementAnalyzer" ,
    llm = model ,
    system_prompt = """You are a Financial Statement Analyzer specializing in 10-K SEC reports. Your primary focus is on analyzing the financial statements, including the balance sheet, income statement, and cash flow statement. 

Key responsibilities:
1. Identify and explain significant changes in financial metrics year-over-year.
2. Calculate and interpret key financial ratios (e.g., liquidity ratios, profitability ratios, leverage ratios).
3. Analyze trends in revenue, expenses, and profitability.
4. Highlight any red flags or areas of concern in the financial statements.
5. Provide insights on the company's financial health and performance based on the data.

When analyzing, consider industry standards and compare the company's performance to its peers when possible. Your analysis should be thorough, data-driven, and provide actionable insights for investors and stakeholders.""" ,
    max_loops = 1 ,
    autosave = True ,
    dashboard = False ,
    verbose = True ,
    dynamic_temperature_enabled = True ,
    saved_state_path = "financial_statement_analyzer_state.json" ,
    user_name = "swarms_corp" ,
    retry_attempts = 1 ,
    context_length = 200000 ,
    return_step_meta = False ,
)

# Agent 2: Risk Assessment Specialist
agent2 = Agent (
    agent_name = "RiskAssessmentSpecialist" ,
    llm = model ,
    system_prompt = """You are a Risk Assessment Specialist focusing on 10-K SEC reports. Your primary role is to identify, analyze, and evaluate potential risks disclosed in the report.

Key responsibilities:
1. Thoroughly review the "Risk Factors" section of the 10-K report.
2. Identify and categorize different types of risks (e.g., operational, financial, legal, market, technological).
3. Assess the potential impact and likelihood of each identified risk.
4. Analyze the company's risk mitigation strategies and their effectiveness.
5. Identify any emerging risks not explicitly mentioned but implied by the company's operations or market conditions.
6. Compare the company's risk profile with industry peers when possible.

Your analysis should provide a comprehensive overview of the company's risk landscape, helping stakeholders understand the potential challenges and uncertainties facing the business. Be sure to highlight any critical risks that could significantly impact the company's future performance or viability.""" ,
    max_loops = 1 ,
    autosave = True ,
    dashboard = False ,
    verbose = True ,
    dynamic_temperature_enabled = True ,
    saved_state_path = "risk_assessment_specialist_state.json" ,
    user_name = "swarms_corp" ,
    retry_attempts = 1 ,
    context_length = 200000 ,
    return_step_meta = False ,
)

# Agent 3: Business Strategy Evaluator
agent3 = Agent (
    agent_name = "BusinessStrategyEvaluator" ,
    llm = model ,
    system_prompt = """You are a Business Strategy Evaluator specializing in analyzing 10-K SEC reports. Your focus is on assessing the company's overall strategy, market position, and future outlook.

Key responsibilities:
1. Analyze the company's business description, market opportunities, and competitive landscape.
2. Evaluate the company's products or services, including their market share and growth potential.
3. Assess the effectiveness of the company's current business strategy and its alignment with market trends.
4. Identify key performance indicators (KPIs) and evaluate the company's performance against these metrics.
5. Analyze management's discussion and analysis (MD&A) section to understand their perspective on the business.
6. Identify potential growth opportunities or areas for improvement in the company's strategy.
7. Compare the company's strategic position with key competitors in the industry.

Your analysis should provide insights into the company's strategic direction, its ability to create value, and its potential for future growth. Consider both short-term and long-term perspectives in your evaluation.""" ,
    max_loops = 1 ,
    autosave = True ,
    dashboard = False ,
    verbose = True ,
    dynamic_temperature_enabled = True ,
    saved_state_path = "business_strategy_evaluator_state.json" ,
    user_name = "swarms_corp" ,
    retry_attempts = 1 ,
    context_length = 200000 ,
    return_step_meta = False ,
)

# Aggregator Agent
aggregator_agent = Agent (
    agent_name = "10KReportAggregator" ,
    llm = model ,
    system_prompt = """You are the 10-K Report Aggregator, responsible for synthesizing and summarizing the analyses provided by the Financial Statement Analyzer, Risk Assessment Specialist, and Business Strategy Evaluator. Your goal is to create a comprehensive, coherent, and insightful summary of the 10-K SEC report.

Key responsibilities:
1. Integrate the financial analysis, risk assessment, and business strategy evaluation into a unified report.
2. Identify and highlight the most critical information and insights from each specialist's analysis.
3. Reconcile any conflicting information or interpretations among the specialists' reports.
4. Provide a balanced view of the company's overall performance, risks, and strategic position.
5. Summarize key findings and their potential implications for investors and stakeholders.
6. Identify any areas where further investigation or clarification may be needed.

Your final report should be well-structured, easy to understand, and provide a holistic view of the company based on the 10-K SEC report. It should offer valuable insights for decision-making while acknowledging any limitations or uncertainties in the analysis.""" ,
    max_loops = 1 ,
    autosave = True ,
    dashboard = False ,
    verbose = True ,
    dynamic_temperature_enabled = True ,
    saved_state_path = "10k_report_aggregator_state.json" ,
    user_name = "swarms_corp" ,
    retry_attempts = 1 ,
    context_length = 200000 ,
    return_step_meta = False ,
)

# Create the Mixture of Agents class
moa = MixtureOfAgents (
    agents = [ agent1 , agent2 , agent3 ],
    aggregator_agent = aggregator_agent ,
    aggregator_system_prompt = """As the 10-K Report Aggregator, your task is to synthesize the analyses provided by the Financial Statement Analyzer, Risk Assessment Specialist, and Business Strategy Evaluator into a comprehensive and coherent report. 

Follow these steps:
1. Review and summarize the key points from each specialist's analysis.
2. Identify common themes and insights across the analyses.
3. Highlight any discrepancies or conflicting interpretations, if present.
4. Provide a balanced and integrated view of the company's financial health, risks, and strategic position.
5. Summarize the most critical findings and their potential impact on investors and stakeholders.
6. Suggest areas for further investigation or monitoring, if applicable.

Your final output should be a well-structured, insightful report that offers a holistic view of the company based on the 10-K SEC report analysis.""" ,
    layers = 3 ,
)

# Example usage
company_name = "NVIDIA"
out = moa . run (
    f"Analyze the latest 10-K SEC report for { company_name } . Provide a comprehensive summary of the company's financial performance, risk profile, and business strategy."
)
print ( out )

جدول البيانات

تم تصميم SpreadSheetSwarm من أجل الإدارة المتزامنة والإشراف على الآلاف من الوكلاء ، مما يسهل نهجًا واحدًا من أجل معالجة المهام وتحليل الإخراج الفعال.

الميزات الرئيسية

• التزامن : يتيح التنفيذ المتزامن لعوامل متعددة ، مما يقلل بشكل كبير من وقت المعالجة وزيادة كفاءة النظام الكلية.
• واحد إلى رجل : يسمح بتوزيع مهمة واحدة ديناميكيًا بين عوامل متعددة ، مما يضمن استخدام كل وكيل إلى إمكاناته الكاملة.
• قابلية التوسع : يدعم تكامل الآلاف من الوكلاء ، مما يجعله حلاً مثاليًا لمعالجة المهام واسعة النطاق وتحليل البيانات.

طُرق

طريقة	وصف	حدود	قيمة الإرجاع
__init__	تهيئة جدول البيانات	name : اسم Swarm description : وصف السرب agents : قائمة كائنات الوكيل autosave_on : منطقية لتمكين الأوتوسين save_file_path : مسار لحفظ جدول البيانات run_all_agents : منطقية لتشغيل جميع الوكلاء أم لا max_loops : الحد الأقصى لعدد الحلقات	لا أحد
run	تنفيذ سرب	task : مهمة الإدخال للسرب	قاموس مخرجات الوكيل

المدخلات

مدخل	يكتب	وصف
name	شارع	اسم السرب
description	شارع	وصف الغرض من Swarm
agents	قائمة [الوكيل]	قائمة كائنات الوكيل المراد استخدامها في سرب
autosave_on	بول	تمكين تنشيط النتائج
save_file_path	شارع	مسار لحفظ نتائج جدول البيانات
run_all_agents	بول	سواء كنت لتشغيل جميع الوكلاء أو الاختيار بناءً على الأهمية
max_loops	int	الحد الأقصى لعدد حلقات المعالجة

الإخراج

تقوم طريقة run بإرجاع القاموس الذي يحتوي على مخرجات كل وكيل قام بمعالجة المهمة.

تعرف على المزيد في المستندات هنا:

 import os
from swarms import Agent
from swarm_models import OpenAIChat
from swarms . structs . spreadsheet_swarm import SpreadSheetSwarm

# Define custom system prompts for each social media platform
TWITTER_AGENT_SYS_PROMPT = """
You are a Twitter marketing expert specializing in real estate. Your task is to create engaging, concise tweets to promote properties, analyze trends to maximize engagement, and use appropriate hashtags and timing to reach potential buyers.
"""

INSTAGRAM_AGENT_SYS_PROMPT = """
You are an Instagram marketing expert focusing on real estate. Your task is to create visually appealing posts with engaging captions and hashtags to showcase properties, targeting specific demographics interested in real estate.
"""

FACEBOOK_AGENT_SYS_PROMPT = """
You are a Facebook marketing expert for real estate. Your task is to craft posts optimized for engagement and reach on Facebook, including using images, links, and targeted messaging to attract potential property buyers.
"""

LINKEDIN_AGENT_SYS_PROMPT = """
You are a LinkedIn marketing expert for the real estate industry. Your task is to create professional and informative posts, highlighting property features, market trends, and investment opportunities, tailored to professionals and investors.
"""

EMAIL_AGENT_SYS_PROMPT = """
You are an Email marketing expert specializing in real estate. Your task is to write compelling email campaigns to promote properties, focusing on personalization, subject lines, and effective call-to-action strategies to drive conversions.
"""

# Example usage:
api_key = os . getenv ( "OPENAI_API_KEY" )

# Model
model = OpenAIChat (
    openai_api_key = api_key , model_name = "gpt-4o-mini" , temperature = 0.1
)

# Initialize your agents for different social media platforms
agents = [
    Agent (
        agent_name = "Twitter-RealEstate-Agent" ,
        system_prompt = TWITTER_AGENT_SYS_PROMPT ,
        llm = model ,
        max_loops = 1 ,
        dynamic_temperature_enabled = True ,
        saved_state_path = "twitter_realestate_agent.json" ,
        user_name = "realestate_swarms" ,
        retry_attempts = 1 ,
    ),
    Agent (
        agent_name = "Instagram-RealEstate-Agent" ,
        system_prompt = INSTAGRAM_AGENT_SYS_PROMPT ,
        llm = model ,
        max_loops = 1 ,
        dynamic_temperature_enabled = True ,
        saved_state_path = "instagram_realestate_agent.json" ,
        user_name = "realestate_swarms" ,
        retry_attempts = 1 ,
    ),
    Agent (
        agent_name = "Facebook-RealEstate-Agent" ,
        system_prompt = FACEBOOK_AGENT_SYS_PROMPT ,
        llm = model ,
        max_loops = 1 ,
        dynamic_temperature_enabled = True ,
        saved_state_path = "facebook_realestate_agent.json" ,
        user_name = "realestate_swarms" ,
        retry_attempts = 1 ,
    ),
    Agent (
        agent_name = "LinkedIn-RealEstate-Agent" ,
        system_prompt = LINKEDIN_AGENT_SYS_PROMPT ,
        llm = model ,
        max_loops = 1 ,
        dynamic_temperature_enabled = True ,
        saved_state_path = "linkedin_realestate_agent.json" ,
        user_name = "realestate_swarms" ,
        retry_attempts = 1 ,
    ),
    Agent (
        agent_name = "Email-RealEstate-Agent" ,
        system_prompt = EMAIL_AGENT_SYS_PROMPT ,
        llm = model ,
        max_loops = 1 ,
        dynamic_temperature_enabled = True ,
        saved_state_path = "email_realestate_agent.json" ,
        user_name = "realestate_swarms" ,
        retry_attempts = 1 ,
    ),
]

# Create a Swarm with the list of agents
swarm = SpreadSheetSwarm (
    name = "Real-Estate-Marketing-Swarm" ,
    description = "A swarm that processes real estate marketing tasks using multiple agents on different threads." ,
    agents = agents ,
    autosave_on = True ,
    save_file_path = "real_estate_marketing_spreadsheet.csv" ,
    run_all_agents = False ,
    max_loops = 2 ,
)

# Run the swarm
swarm . run (
    task = """
    Create posts to promote luxury properties in North Texas, highlighting their features, location, and investment potential. Include relevant hashtags, images, and engaging captions.

    
    Property:
    $10,399,000
    1609 Meandering Way Dr, Roanoke, TX 76262
    Link to the property: https://www.zillow.com/homedetails/1609-Meandering-Way-Dr-Roanoke-TX-76262/308879785_zpid/
    
    What's special
    Unveiling a new custom estate in the prestigious gated Quail Hollow Estates! This impeccable residence, set on a sprawling acre surrounded by majestic trees, features a gourmet kitchen equipped with top-tier Subzero and Wolf appliances. European soft-close cabinets and drawers, paired with a double Cambria Quartzite island, perfect for family gatherings. The first-floor game room&media room add extra layers of entertainment. Step into the outdoor sanctuary, where a sparkling pool and spa, and sunken fire pit, beckon leisure. The lavish master suite features stunning marble accents, custom his&her closets, and a secure storm shelter.Throughout the home,indulge in the visual charm of designer lighting and wallpaper, elevating every space. The property is complete with a 6-car garage and a sports court, catering to the preferences of basketball or pickleball enthusiasts. This residence seamlessly combines luxury&recreational amenities, making it a must-see for the discerning buyer.
    
    Facts & features
    Interior
    Bedrooms & bathrooms
    Bedrooms: 6
    Bathrooms: 8
    Full bathrooms: 7
    1/2 bathrooms: 1
    Primary bedroom
    Bedroom
    Features: Built-in Features, En Suite Bathroom, Walk-In Closet(s)
    Cooling
    Central Air, Ceiling Fan(s), Electric
    Appliances
    Included: Built-In Gas Range, Built-In Refrigerator, Double Oven, Dishwasher, Gas Cooktop, Disposal, Ice Maker, Microwave, Range, Refrigerator, Some Commercial Grade, Vented Exhaust Fan, Warming Drawer, Wine Cooler
    Features
    Wet Bar, Built-in Features, Dry Bar, Decorative/Designer Lighting Fixtures, Eat-in Kitchen, Elevator, High Speed Internet, Kitchen Island, Pantry, Smart Home, Cable TV, Walk-In Closet(s), Wired for Sound
    Flooring: Hardwood
    Has basement: No
    Number of fireplaces: 3
    Fireplace features: Living Room, Primary Bedroom
    Interior area
    Total interior livable area: 10,466 sqft
    Total spaces: 12
    Parking features: Additional Parking
    Attached garage spaces: 6
    Carport spaces: 6
    Features
    Levels: Two
    Stories: 2
    Patio & porch: Covered
    Exterior features: Built-in Barbecue, Barbecue, Gas Grill, Lighting, Outdoor Grill, Outdoor Living Area, Private Yard, Sport Court, Fire Pit
    Pool features: Heated, In Ground, Pool, Pool/Spa Combo
    Fencing: Wrought Iron
    Lot
    Size: 1.05 Acres
    Details
    Additional structures: Outdoor Kitchen
    Parcel number: 42232692
    Special conditions: Standard
    Construction
    Type & style
    Home type: SingleFamily
    Architectural style: Contemporary/Modern,Detached
    Property subtype: Single Family Residence
    """
)

ForestSwarm

تم تصميم بنية ForestSwarm لتخصيص المهمة الفعالة من خلال اختيار الوكيل الأكثر ملاءمة من مجموعة من الأشجار. يتم تحقيق ذلك من خلال معالجة المهام غير المتزامنة ، حيث يتم اختيار الوكلاء بناءً على أهميتهم للمهمة المطروحة. يتم تحديد الأهمية من خلال حساب التشابه بين مطالبات النظام المرتبطة بكل وكيل والكلمات الرئيسية الموجودة في المهمة نفسها. للحصول على فهم أكثر تعمقا لكيفية عمل ForestSwarm ، يرجى الرجوع إلى الوثائق الرسمية.

طُرق

طريقة	وصف	حدود	قيمة الإرجاع
__init__	تهيئة الغابات	trees : قائمة كائنات الأشجار	لا أحد
run	تنفيذ الغابات	task : مهمة الإدخال للسرب	الإخراج من العامل الأكثر صلة

المدخلات

مدخل	يكتب	وصف
trees	قائمة [شجرة]	قائمة كائنات الأشجار ، كل منها يحتوي على كائنات treeagent
task	شارع	المهمة التي يجب معالجتها بواسطة ForestSwarm

الإخراج

تقوم طريقة run بإرجاع الإخراج من العامل الأكثر صلة المحدد بناءً على مهمة الإدخال.

 from swarms . structs . tree_swarm import TreeAgent , Tree , ForestSwarm

# Create agents with varying system prompts and dynamically generated distances/keywords
agents_tree1 = [
    TreeAgent (
        system_prompt = """You are an expert Stock Analysis Agent with deep knowledge of financial markets, technical analysis, and fundamental analysis. Your primary function is to analyze stock performance, market trends, and provide actionable insights. When analyzing stocks:

1. Always start with a brief overview of the current market conditions.
2. Use a combination of technical indicators (e.g., moving averages, RSI, MACD) and fundamental metrics (e.g., P/E ratio, EPS growth, debt-to-equity).
3. Consider both short-term and long-term perspectives in your analysis.
4. Provide clear buy, hold, or sell recommendations with supporting rationale.
5. Highlight potential risks and opportunities specific to each stock or sector.
6. Use bullet points for clarity when listing key points or metrics.
7. If relevant, compare the stock to its peers or sector benchmarks.

Remember to maintain objectivity and base your analysis on factual data. If asked about future performance, always include a disclaimer about market unpredictability. Your goal is to provide comprehensive, accurate, and actionable stock analysis to inform investment decisions.""" ,
        agent_name = "Stock Analysis Agent" ,
    ),
    TreeAgent (
        system_prompt = """You are a highly skilled Financial Planning Agent, specializing in personal and corporate financial strategies. Your role is to provide comprehensive financial advice tailored to each client's unique situation. When creating financial plans:

1. Begin by asking key questions about the client's financial goals, current situation, and risk tolerance.
2. Develop a holistic view of the client's finances, including income, expenses, assets, and liabilities.
3. Create detailed, step-by-step action plans to achieve financial goals.
4. Provide specific recommendations for budgeting, saving, and investing.
5. Consider tax implications and suggest tax-efficient strategies.
6. Incorporate risk management and insurance planning into your recommendations.
7. Use charts or tables to illustrate financial projections and scenarios.
8. Regularly suggest reviewing and adjusting the plan as circumstances change.

Always prioritize the client's best interests and adhere to fiduciary standards. Explain complex financial concepts in simple terms, and be prepared to justify your recommendations with data and reasoning.""" ,
        agent_name = "Financial Planning Agent" ,
    ),
    TreeAgent (
        agent_name = "Retirement Strategy Agent" ,
        system_prompt = """You are a specialized Retirement Strategy Agent, focused on helping individuals and couples plan for a secure and comfortable retirement. Your expertise covers various aspects of retirement planning, including savings strategies, investment allocation, and income generation during retirement. When developing retirement strategies:

1. Start by assessing the client's current age, desired retirement age, and expected lifespan.
2. Calculate retirement savings goals based on desired lifestyle and projected expenses.
3. Analyze current retirement accounts (e.g., 401(k), IRA) and suggest optimization strategies.
4. Provide guidance on asset allocation and rebalancing as retirement approaches.
5. Explain various retirement income sources (e.g., Social Security, pensions, annuities).
6. Discuss healthcare costs and long-term care planning.
7. Offer strategies for tax-efficient withdrawals during retirement.
8. Consider estate planning and legacy goals in your recommendations.

Use Monte Carlo simulations or other statistical tools to illustrate the probability of retirement success. Always emphasize the importance of starting early and the power of compound interest. Be prepared to adjust strategies based on changing market conditions or personal circumstances.""" ,
    ),
]

agents_tree2 = [
    TreeAgent (
        system_prompt = """You are a knowledgeable Tax Filing Agent, specializing in personal and business tax preparation and strategy. Your role is to ensure accurate tax filings while maximizing legitimate deductions and credits. When assisting with tax matters:

1. Start by gathering all necessary financial information and documents.
2. Stay up-to-date with the latest tax laws and regulations, including state-specific rules.
3. Identify all applicable deductions and credits based on the client's situation.
4. Provide step-by-step guidance for completing tax forms accurately.
5. Explain tax implications of various financial decisions.
6. Offer strategies for tax-efficient investing and income management.
7. Assist with estimated tax payments for self-employed individuals or businesses.
8. Advise on record-keeping practices for tax purposes.

Always prioritize compliance with tax laws while ethically minimizing tax liability. Be prepared to explain complex tax concepts in simple terms and provide rationale for your recommendations. If a situation is beyond your expertise, advise consulting a certified tax professional or IRS resources.""" ,
        agent_name = "Tax Filing Agent" ,
    ),
    TreeAgent (
        system_prompt = """You are a sophisticated Investment Strategy Agent, adept at creating and managing investment portfolios to meet diverse financial goals. Your expertise covers various asset classes, market analysis, and risk management techniques. When developing investment strategies:

1. Begin by assessing the client's investment goals, time horizon, and risk tolerance.
2. Provide a comprehensive overview of different asset classes and their risk-return profiles.
3. Create diversified portfolio recommendations based on modern portfolio theory.
4. Explain the benefits and risks of various investment vehicles (e.g., stocks, bonds, ETFs, mutual funds).
5. Incorporate both passive and active investment strategies as appropriate.
6. Discuss the importance of regular portfolio rebalancing and provide a rebalancing strategy.
7. Consider tax implications of investment decisions and suggest tax-efficient strategies.
8. Provide ongoing market analysis and suggest portfolio adjustments as needed.

Use historical data and forward-looking projections to illustrate potential outcomes. Always emphasize the importance of long-term investing and the risks of market timing. Be prepared to explain complex investment concepts in clear, accessible language.""" ,
        agent_name = "Investment Strategy Agent" ,
    ),
    TreeAgent (
        system_prompt = """You are a specialized ROTH IRA Agent, focusing on the intricacies of Roth Individual Retirement Accounts. Your role is to provide expert guidance on Roth IRA rules, benefits, and strategies to maximize their value for retirement planning. When advising on Roth IRAs:

1. Explain the fundamental differences between traditional and Roth IRAs.
2. Clarify Roth IRA contribution limits and income eligibility requirements.
3. Discuss the tax advantages of Roth IRAs, including tax-free growth and withdrawals.
4. Provide guidance on Roth IRA conversion strategies and their tax implications.
5. Explain the five-year rule and how it affects Roth IRA withdrawals.
6. Offer strategies for maximizing Roth IRA contributions, such as the backdoor Roth IRA method.
7. Discuss how Roth IRAs fit into overall retirement and estate planning strategies.
8. Provide insights on investment choices within a Roth IRA to maximize tax-free growth.

Always stay current with IRS regulations regarding Roth IRAs. Be prepared to provide numerical examples to illustrate the long-term benefits of Roth IRAs. Emphasize the importance of considering individual financial situations when making Roth IRA decisions.""" ,
        agent_name = "ROTH IRA Agent" ,
    ),
]

# Create trees
tree1 = Tree ( tree_name = "Financial Tree" , agents = agents_tree1 )
tree2 = Tree ( tree_name = "Investment Tree" , agents = agents_tree2 )

# Create the ForestSwarm
multi_agent_structure = ForestSwarm ( trees = [ tree1 , tree2 ])

# Run a task
task = "What are the best platforms to do our taxes on"
output = multi_agent_structure . run ( task )
print ( output )

SwarmRouter

فئة SwarmRouter هي نظام توجيه مرن مصمم لإدارة أنواع مختلفة من الأسراب لتنفيذ المهمة. يوفر واجهة موحدة للتفاعل مع أنواع سرب مختلفة ، بما في ذلك AgentRearrange و MixtureOfAgents و SpreadSheetSwarm و SequentialWorkflow و ConcurrentWorkflow . سنضيف باستمرار المزيد والمزيد من بنيات سرب هنا مع تقدمنا ​​مع بنيات جديدة.

صفات:

• name (Str): اسم مثيل Swarmrouter.
• description (STR): وصف مثيل Swarmrouter.
• max_loops (int): الحد الأقصى لعدد الحلقات لأداء.
• agents (قائمة [Agent]): قائمة كائنات الوكيل التي سيتم استخدامها في Swarm.
• swarm_type (swarmtype): نوع من السرب لاستخدامه.
• swarm (Union [AgentRearrange ، mixtureofagents ، جدول البيانات ، SequentialWorkflow ، ConversionWorkflow]): كائن سرب تم إنشاءه.
• logs (قائمة [Swarmlog]): قائمة إدخالات السجل التي تم التقاطها أثناء العمليات.

طُرق:

• __init__(self, name: str, description: str, max_loops: int, agents: List[Agent], swarm_type: SwarmType, *args, **kwargs) : تهيئة swarmrouter.
• _create_swarm(self, *args, **kwargs) : إنشاء وإرجاع نوع Swarm المحدد.
• _log(self, level: str, message: str, task: str, metadata: Dict[str, Any]) : إنشاء إدخال سجل وإضافته إلى قائمة السجلات.
• run(self, task: str, *args, **kwargs) : قم بتشغيل المهمة المحددة على Swarm المحدد.
• get_logs(self) : استرداد جميع الإدخالات المسجلة.

 import os
from dotenv import load_dotenv
from swarms import Agent
from swarm_models import OpenAIChat
from swarms . structs . swarm_router import SwarmRouter , SwarmType

load_dotenv ()

# Get the OpenAI API key from the environment variable
api_key = os . getenv ( "GROQ_API_KEY" )

# Model
model = OpenAIChat (
    openai_api_base = "https://api.groq.com/openai/v1" ,
    openai_api_key = api_key ,
    model_name = "llama-3.1-70b-versatile" ,
    temperature = 0.1 ,
)
# Define specialized system prompts for each agent
DATA_EXTRACTOR_PROMPT = """You are a highly specialized private equity agent focused on data extraction from various documents. Your expertise includes:
1. Extracting key financial metrics (revenue, EBITDA, growth rates, etc.) from financial statements and reports
2. Identifying and extracting important contract terms from legal documents
3. Pulling out relevant market data from industry reports and analyses
4. Extracting operational KPIs from management presentations and internal reports
5. Identifying and extracting key personnel information from organizational charts and bios
Provide accurate, structured data extracted from various document types to support investment analysis."""

SUMMARIZER_PROMPT = """You are an expert private equity agent specializing in summarizing complex documents. Your core competencies include:
1. Distilling lengthy financial reports into concise executive summaries
2. Summarizing legal documents, highlighting key terms and potential risks
3. Condensing industry reports to capture essential market trends and competitive dynamics
4. Summarizing management presentations to highlight key strategic initiatives and projections
5. Creating brief overviews of technical documents, emphasizing critical points for non-technical stakeholders
Deliver clear, concise summaries that capture the essence of various documents while highlighting information crucial for investment decisions."""

FINANCIAL_ANALYST_PROMPT = """You are a specialized private equity agent focused on financial analysis. Your key responsibilities include:
1. Analyzing historical financial statements to identify trends and potential issues
2. Evaluating the quality of earnings and potential adjustments to EBITDA
3. Assessing working capital requirements and cash flow dynamics
4. Analyzing capital structure and debt capacity
5. Evaluating financial projections and underlying assumptions
Provide thorough, insightful financial analysis to inform investment decisions and valuation."""

MARKET_ANALYST_PROMPT = """You are a highly skilled private equity agent specializing in market analysis. Your expertise covers:
1. Analyzing industry trends, growth drivers, and potential disruptors
2. Evaluating competitive landscape and market positioning
3. Assessing market size, segmentation, and growth potential
4. Analyzing customer dynamics, including concentration and loyalty
5. Identifying potential regulatory or macroeconomic impacts on the market
Deliver comprehensive market analysis to assess the attractiveness and risks of potential investments."""

OPERATIONAL_ANALYST_PROMPT = """You are an expert private equity agent focused on operational analysis. Your core competencies include:
1. Evaluating operational efficiency and identifying improvement opportunities
2. Analyzing supply chain and procurement processes
3. Assessing sales and marketing effectiveness
4. Evaluating IT systems and digital capabilities
5. Identifying potential synergies in merger or add-on acquisition scenarios
Provide detailed operational analysis to uncover value creation opportunities and potential risks."""

# Initialize specialized agents
data_extractor_agent = Agent (
    agent_name = "Data-Extractor" ,
    system_prompt = DATA_EXTRACTOR_PROMPT ,
    llm = model ,
    max_loops = 1 ,
    autosave = True ,
    verbose = True ,
    dynamic_temperature_enabled = True ,
    saved_state_path = "data_extractor_agent.json" ,
    user_name = "pe_firm" ,
    retry_attempts = 1 ,
    context_length = 200000 ,
    output_type = "string" ,
)

summarizer_agent = Agent (
    agent_name = "Document-Summarizer" ,
    system_prompt = SUMMARIZER_PROMPT ,
    llm = model ,
    max_loops = 1 ,
    autosave = True ,
    verbose = True ,
    dynamic_temperature_enabled = True ,
    saved_state_path = "summarizer_agent.json" ,
    user_name = "pe_firm" ,
    retry_attempts = 1 ,
    context_length = 200000 ,
    output_type = "string" ,
)

financial_analyst_agent = Agent (
    agent_name = "Financial-Analyst" ,
    system_prompt = FINANCIAL_ANALYST_PROMPT ,
    llm = model ,
    max_loops = 1 ,
    autosave = True ,
    verbose = True ,
    dynamic_temperature_enabled = True ,
    saved_state_path = "financial_analyst_agent.json" ,
    user_name = "pe_firm" ,
    retry_attempts = 1 ,
    context_length = 200000 ,
    output_type = "string" ,
)

market_analyst_agent = Agent (
    agent_name = "Market-Analyst" ,
    system_prompt = MARKET_ANALYST_PROMPT ,
    llm = model ,
    max_loops = 1 ,
    autosave = True ,
    verbose = True ,
    dynamic_temperature_enabled = True ,
    saved_state_path = "market_analyst_agent.json" ,
    user_name = "pe_firm" ,
    retry_attempts = 1 ,
    context_length = 200000 ,
    output_type = "string" ,
)

operational_analyst_agent = Agent (
    agent_name = "Operational-Analyst" ,
    system_prompt = OPERATIONAL_ANALYST_PROMPT ,
    llm = model ,
    max_loops = 1 ,
    autosave = True ,
    verbose = True ,
    dynamic_temperature_enabled = True ,
    saved_state_path = "operational_analyst_agent.json" ,
    user_name = "pe_firm" ,
    retry_attempts = 1 ,
    context_length = 200000 ,
    output_type = "string" ,
)

# Initialize the SwarmRouter
router = SwarmRouter (
    name = "pe-document-analysis-swarm" ,
    description = "Analyze documents for private equity due diligence and investment decision-making" ,
    max_loops = 1 ,
    agents = [
        data_extractor_agent ,
        summarizer_agent ,
        financial_analyst_agent ,
        market_analyst_agent ,
        operational_analyst_agent ,
    ],
    swarm_type = "ConcurrentWorkflow" ,  # or "SequentialWorkflow" or "ConcurrentWorkflow" or
)

# Example usage
if __name__ == "__main__" :
    # Run a comprehensive private equity document analysis task
    result = router . run (
        "Where is the best place to find template term sheets for series A startups. Provide links and references"
    )
    print ( result )

    # Retrieve and print logs
    for log in router . get_logs ():
        print ( f" { log . timestamp } - { log . level } : { log . message } " )

تغيير أنواع السرب

يمكنك إنشاء مثيلات متعددة swarmrouter مع أنواع سرب مختلفة:

 sequential_router = SwarmRouter (
    name = "SequentialRouter" ,
    agents = [
        data_extractor_agent ,
        summarizer_agent ,
        financial_analyst_agent ,
        market_analyst_agent ,
        operational_analyst_agent ,
    ],
    swarm_type = SwarmType . SequentialWorkflow
)

concurrent_router = SwarmRouter (
    name = "ConcurrentRouter" ,
    agents = [
        data_extractor_agent ,
        summarizer_agent ,
        financial_analyst_agent ,
        market_analyst_agent ,
        operational_analyst_agent ,
    ],
    swarm_type = SwarmType . ConcurrentWorkflow
)

AgentRearrange

استخدام الحالة: تحسين ترتيب الوكيل للمهام المعقدة متعددة الخطوات.

 rearrange_router = SwarmRouter (
    name = "TaskOptimizer" ,
    description = "Optimize agent order for multi-step tasks" ,
    max_loops = 3 ,
    agents = [
        data_extractor_agent ,
        summarizer_agent ,
        financial_analyst_agent ,
        market_analyst_agent ,
        operational_analyst_agent ,
    ],
    swarm_type = SwarmType . AgentRearrange ,
    flow = f" { data_extractor . name } -> { analyzer . name } -> { summarizer . name } "
)

result = rearrange_router . run ( "Analyze and summarize the quarterly financial report" )

الخليط

استخدام الحالة: الجمع بين وكلاء الخبراء المتنوعة للتحليل الشامل.

 mixture_router = SwarmRouter (
    name = "ExpertPanel" ,
    description = "Combine insights from various expert agents" ,
    max_loops = 1 ,
    agents = [
        data_extractor_agent ,
        summarizer_agent ,
        financial_analyst_agent ,
        market_analyst_agent ,
        operational_analyst_agent ,
    ],
    swarm_type = SwarmType . MixtureOfAgents
)

result = mixture_router . run ( "Evaluate the potential acquisition of TechStartup Inc." )

---

جلسة onboarding

احصل على متن الطائرة الآن مع المبدع والرصاص الرئيسي لـ Swarms ، Kye Gomez ، الذي سيوضح لك كيفية البدء في التثبيت ، وأمثلة الاستخدام ، والبدء في بناء حالة الاستخدام المخصصة! انقر هنا

---

الوثائق

يقع الوثائق هنا على: docs.swarms.world

---

هيكل المجلد

لقد تم تصميم حزمة الأرباح بشكل كبير من أجل القدرة على الاستخدام الشديد والفهم ، يتم تقسيم حزمة swarms.structs إلى وحدات مختلفة مثل swarms.agents Agent هياكل الوكيل. الأهم 3 هي structs models agents .

├── __init__.py
├── agents
├── artifacts
├── memory
├── schemas
├── models - > swarm_models
├── prompts
├── structs
├── telemetry
├── tools
├── utils
└── workers

---

؟ المساهمات:

أسهل طريقة للمساهمة هي اختيار أي مشكلة مع علامة good first issue ؟ اقرأ الإرشادات المساهمة هنا. تقرير الأخطاء؟ ملف هنا | طلب ميزة؟ ملف هنا

Swarms هو مشروع مفتوح المصدر ، والمساهمات مرحب بها للغاية. إذا كنت ترغب في المساهمة ، فيمكنك إنشاء ميزات جديدة أو إصلاح الأخطاء أو تحسين البنية التحتية. يرجى الرجوع إلى المساهمة.

---

تسريع تراكم

تسريع الأخطاء والميزات والعروض التوضيحية لتنفيذها من خلال دعمنا هنا:

مجتمع

انضم إلى مجتمعنا المتنامي في جميع أنحاء العالم ، للحصول على الدعم والأفكار والمناقشات في الوقت الحقيقي؟

• شاهد مدونتنا الرسمية
• الدردشة تعيش معنا على خلاف
• تابعنا على Twitter
• تواصل معنا على LinkedIn
• قم بزيارتنا على YouTube
• انضم إلى مجتمع الأرباح على Discord!
• انضم إلى مجتمع Drowarms الخاص بنا كل يوم خميس في الساعة 1 بعد الظهر في NYC Time لإلغاء تأمين إمكانات العوامل المستقلة في أتمتة المهام اليومية الخاصة بك الاشتراك هنا

رخصة

رخصة عامة عامة