agentUniverse
v0.0.13
Языковая версия: английский | 中文 | 日本語
agentUniverse — это мультиагентная платформа, основанная на больших языковых моделях. agentUniverse предоставляет вам гибкие и легко расширяемые возможности для создания отдельных агентов. По своей сути, agentUniverse имеет богатый набор компонентов режима многоагентной совместной работы (которые можно рассматривать как фабрику режима совместной работы или фабрику шаблонов). Эти компоненты позволяют агентам максимизировать свою эффективность, специализируясь в различных областях для решения проблем. agentUniverse также фокусируется на интеграции знаний предметной области, помогая вам беспрепятственно включать знания предметной области в работу ваших агентов.???
??? agentUniverse помогает разработчикам и предприятиям легко создавать мощные агенты для совместной работы, которые работают на экспертном уровне в своих областях.
Мы призываем вас практиковать и делиться различными шаблонами предметной области в сообществе. Платформа поставляется с предварительно загруженными несколькими компонентами режима многоагентной совместной работы, которые были проверены в реальных отраслях и будут продолжать расширяться в будущем. Компоненты, которые будут доступны в ближайшее время, включают в себя:
Скоро появятся новые модели...
Проект agentUniverse поддерживается следующими исследовательскими достижениями.
BibTeX в формате
@misc{wang2024peerexpertizingdomainspecifictasks,
title={PEER: Expertizing Domain-Specific Tasks with a Multi-Agent Framework and Tuning Methods},
author={Yiying Wang and Xiaojing Li and Binzhu Wang and Yueyang Zhou and Han Ji and Hong Chen and Jinshi Zhang and Fei Yu and Zewei Zhao and Song Jin and Renji Gong and Wanqing Xu},
year={2024},
eprint={2407.06985},
archivePrefix={arXiv},
primaryClass={cs.AI},
url={https://arxiv.org/abs/2407.06985},
}
Обзор: Этот документ представляет собой подробное введение в механизмы и принципы многоагентной структуры PEER. В экспериментальном разделе оценки присваивались по семи измерениям: полнота, актуальность, краткость, фактологичность, логичность, структура и полнота (каждое измерение имеет максимальную оценку 5 баллов). Модель PEER в среднем набрала более высокие баллы по каждому параметру оценки по сравнению с BabyAGI и продемонстрировала значительные преимущества по таким параметрам, как полнота, релевантность, логичность, структура и полнота. Кроме того, модель PEER достигла превосходящего показателя на 83 % по сравнению с BabyAGI с использованием модели GPT-3.5 Turbo (16k) и на 81 % с использованием модели GPT-4. Для получения более подробной информации, пожалуйста, обратитесь к документу. ?https://arxiv.org/pdf/2407.06985
Использование пипа:
pip install agentUniverseЗапустите свой первый пример, и вы сможете быстро оценить производительность агентов (или групп агентов), созданных agentUniverse с помощью этого руководства.
Подробные инструкции см. в документе: Запустите первый пример.
настройте стандартный проект: agentUniverse Standard Project
Вы можете узнать о важных компонентах агентов в разделе «Введение в агенты». Подробную информацию о создании агентов см. в разделе Создание и использование агентов. Вы также можете углубить свое понимание создания и использования агентов, изучив официальные примеры, такие как агент генерации и выполнения кода Python.
При разработке приложений интеллектуальных агентов незаменимы построение базы знаний и ее вызов. Платформа agentUniverse , основанная на технологии RAG, обеспечивает эффективную стандартную операционную процедуру для создания базы знаний, а также процесса поиска и отзыва RAG. Вы можете узнать о его использовании из разделов «Введение знаний» и «Определение и использование знаний», а также освоить способы быстрого создания базы знаний и создания агента с возможностью отзыва из раздела «Как создавать агенты RAG».
При создании агентских приложений агентам необходимо подключаться к различным инструментам. Вы должны указать набор инструментов, которые они могут использовать. Вы можете интегрировать различные проприетарные API и сервисы в виде плагинов инструментов посредством создания и использования инструментов. Фреймворк уже интегрировал LangChain и некоторые сторонние наборы инструментов. Подробное описание использования можно найти в разделах «Интеграция инструментов LangChain» и «Существующие интегрированные инструменты».
Оценка эффективности агентов может проводиться посредством экспертных оценок, с одной стороны, и путем использования оценочных возможностей агентов, с другой. agentUniverse запустил DataAgent (минимально жизнеспособную версию продукта), целью которого является предоставление вашим агентам возможностей самооценки и развития с использованием агентского интеллекта. Вы также можете настроить критерии оценки внутри него. Подробнее см. документацию: DataAgent — автономные агенты данных.
agentUniverse предлагает множество стандартных возможностей веб-сервера, а также стандартные протоколы HTTP и RPC. Вы можете дополнительно изучить документацию по регистрации и использованию служб и разделам «Веб-сервер».
agentUniverse предоставляет платформу визуального холста для агентского рабочего процесса. Для быстрого старта выполните следующие действия:
Установить через пип
pip install magent-ui ruamel.yamlЗапуск в один клик
Запустите файл product_application.py, расположенный в sample_standard_app/app/bootstrap, чтобы запустить его одним щелчком мыши.
Дополнительные сведения см. в документе «Краткое руководство по платформе продукта» и расширенном руководстве.
Эта функция запущена совместно difizen и agentUniverse .
Ядро agentUniverse предоставляет все ключевые компоненты, необходимые для создания единого интеллектуального агента, механизмы сотрудничества между несколькими агентами и внедрение экспертных знаний, что позволяет разработчикам легко создавать интеллектуальные приложения, оснащенные профессиональными ноу-хау.
agentUniverse предлагает несколько компонентов модели многоагентного сотрудничества, проверенных в реальных отраслях, среди которых одна из наиболее отличительных моделей — PEER.
Модель PEER использует агентов с четырьмя различными обязанностями: планирование, исполнение, выражение и проверка. Эта структура позволяет выполнять декомпозицию и пошаговое выполнение сложных задач, а также обеспечивает автономную итерацию на основе обратной связи по результатам оценки, что в конечном итоге повышает производительность при рассуждениях и аналитических задачах. Эта модель особенно эффективна в сценариях, требующих многоэтапной декомпозиции и углубленного анализа, таких как интерпретация событий, макроэкономический анализ и технико-экономическое обоснование бизнес-предложений.
Модель PEER дала впечатляющие результаты, а результаты последних исследований и экспериментов можно найти в следующей литературе.
На основании вышеизложенного мы резюмируем, что agentUniverse включает в себя следующие основные функции:
Гибкие и расширяемые возможности создания агентов: он предоставляет все основные компоненты, необходимые для создания агентов, каждый из которых поддерживает настройку для улучшения агентов под конкретного пользователя.
Богатые и эффективные модели многоагентного сотрудничества. Он предлагает модели совместной работы, такие как PEER (планирование/выполнение/экспресс/обзор) и DOE (поиск данных/внесение мнений/экспресс), которые были проверены в отрасли. Пользователи также могут настраивать и организовывать новые модели, чтобы обеспечить органичное сотрудничество между несколькими агентами.
Простая интеграция знаний предметной области. Он предлагает возможности для подсказок предметной области, создания знаний и управления ими, поддерживая оркестровку и внедрение СОП на уровне предметной области, согласовывая агентов со знаниями предметной области экспертного уровня.
Дополнительные возможности см. в разделе «Ключевые возможности agentUniverse .
Агент юридической консультации v2
Агент генерации и выполнения кода Python
Дискуссионная группа на основе многооборотного многоагентного режима
Анализ финансовых событий на основе многоагентного режима PEER
Репликация агента перевода рефлексивного рабочего процесса Эндрю Нга
? Чжи Сяо Чжу - помощник AI для финансовых специалистов
Чжи Сяо Чжу AI Assistant: Содействие внедрению крупных моделей в сложных отраслях для повышения эффективности экспертов по инвестиционным исследованиям.
Zhi Xiao Zhu AI Assistant — это эффективное решение для практического применения крупных моделей в сложных отраслях. Он основан на модели Finix, ориентированной на точные приложения, и на платформе интеллектуального агента agentUniverse , которая превосходно подходит для профессиональной настройки. Это решение предназначено для ряда профессиональных бизнес-помощников с использованием искусственного интеллекта, связанных с инвестиционными исследованиями, ESG (экологической, социальной сферой и управлением), финансами, отчетами о прибылях и другими специализированными областями. Он был тщательно проверен в крупномасштабных сценариях в Ant Group, что повысило эффективность экспертов.
Для получения более подробной информации, пожалуйста, прочтите Руководство пользователя.
Пожалуйста, прочтите Справочник по API.
? Мы рекомендуем отправлять ваши запросы через GitHub. Проблемы, мы обычно отвечаем в течение 2 дней.
? Присоединяйтесь к нашему каналу Discord, чтобы взаимодействовать с нами.
? Электронная почта:
Идентификатор: @ agentUniverse _
Этот проект частично построен на превосходных проектах с открытым исходным кодом, таких как langchain, pydantic, Gunicorn, flask, SQLAlchemy, chromadb и т. д. (Подробный список зависимостей можно найти в pyproject.toml). Мы хотели бы выразить особую благодарность соответствующим проектам и участникам.
