agentUniverse
v0.0.13
เวอร์ชันภาษา: อังกฤษ | 中文 | 日本語
agentUniverse เป็นเฟรมเวิร์กหลายเอเจนต์ที่ใช้โมเดลภาษาขนาดใหญ่ agentUniverse มอบความสามารถที่ยืดหยุ่นและขยายได้อย่างง่ายดายเพื่อสร้างเอเจนต์เดี่ยว โดยแก่นแท้แล้ว agentUniverse มีชุดคอมโพเนนต์โหมดการทำงานร่วมกันแบบหลายตัวแทนที่หลากหลาย (ซึ่งสามารถมองได้ว่าเป็น Collaboration Mode Factory หรือ Pattern Factory) ส่วนประกอบเหล่านี้ช่วยให้ตัวแทนสามารถเพิ่มประสิทธิภาพสูงสุดโดยมีความเชี่ยวชาญในโดเมนที่แตกต่างกันเพื่อแก้ไขปัญหา agentUniverse ยังมุ่งเน้นไปที่การบูรณาการความเชี่ยวชาญด้านโดเมน ช่วยให้คุณสามารถรวมความรู้ด้านโดเมนเข้ากับงานของตัวแทนของคุณได้อย่างราบรื่น???
- agentUniverse ช่วยให้นักพัฒนาและองค์กรสามารถสร้างตัวแทนการทำงานร่วมกันที่มีประสิทธิภาพซึ่งดำเนินการในระดับผู้เชี่ยวชาญในโดเมนของตนได้อย่างง่ายดาย
เราขอแนะนำให้คุณฝึกฝนและแบ่งปันรูปแบบโดเมนที่แตกต่างกันภายในชุมชน เฟรมเวิร์กดังกล่าวมาพร้อมกับองค์ประกอบโหมดการทำงานร่วมกันแบบหลายตัวแทนหลายรายการที่ได้รับการตรวจสอบแล้วในอุตสาหกรรมในโลกแห่งความเป็นจริง และจะขยายต่อไปในอนาคต ส่วนประกอบที่จะวางจำหน่ายเร็วๆ นี้ ได้แก่:
รูปแบบเพิ่มเติมกำลังจะมาเร็ว ๆ นี้...
โครงการ agentUniverse ได้รับการสนับสนุนจากผลงานวิจัยดังต่อไปนี้
จัดรูปแบบ BibTeX
@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},
}
ภาพรวม: เอกสารนี้ให้ข้อมูลเบื้องต้นโดยละเอียดเกี่ยวกับกลไกและหลักการของกรอบงานหลายตัวแทนของ PEER ในส่วนการทดลอง มีการให้คะแนนใน 7 มิติ ได้แก่ ความครบถ้วน ความเกี่ยวข้อง ความกระชับ ข้อเท็จจริง ตรรกะ โครงสร้าง และความครอบคลุม (แต่ละมิติมีคะแนนสูงสุด 5 คะแนน) โมเดล PEER มีคะแนนโดยเฉลี่ยสูงกว่าในแต่ละมิติการประเมิน เมื่อเทียบกับ BabyAGI และแสดงให้เห็นถึงข้อได้เปรียบที่สำคัญในมิติของความครบถ้วน ความเกี่ยวข้อง ตรรกะ โครงสร้าง และความครอบคลุม นอกจากนี้ โมเดล PEER ยังได้รับอัตราที่เหนือกว่า BabyAGI ถึง 83% เมื่อใช้รุ่น GPT-3.5 Turbo (16k) และ 81% เมื่อใช้รุ่น GPT-4 สำหรับรายละเอียดเพิ่มเติม โปรดดูเอกสาร ?https://arxiv.org/pdf/2407.06985
ใช้ pip:
pip install agentUniverseรันตัวอย่างแรกของคุณ แล้วคุณจะพบกับประสิทธิภาพของเอเจนต์ (หรือกลุ่มเอเจนต์) ที่สร้างโดย agentUniverse ได้อย่างรวดเร็วผ่านบทช่วยสอน
โปรดดูเอกสารสำหรับขั้นตอนรายละเอียด: เรียกใช้ตัวอย่างแรก
ตั้งค่าโปรเจ็กต์มาตรฐาน: agentUniverse Standard Project
คุณสามารถเรียนรู้เกี่ยวกับองค์ประกอบที่สำคัญของตัวแทนได้ผ่านบทนำสู่ตัวแทน สำหรับข้อมูลโดยละเอียดเกี่ยวกับการสร้างเอเจนต์ โปรดดูที่การสร้างและการใช้เอเจนต์ คุณยังสามารถเข้าใจการสร้างและการใช้งานเอเจนต์ให้ลึกซึ้งยิ่งขึ้นด้วยการสำรวจตัวอย่างที่เป็นทางการ เช่น Python Code Generation และ Execution Agent
ในการสร้างแอปพลิเคชันตัวแทนอัจฉริยะ การสร้างฐานความรู้และการเรียกคืนเป็นสิ่งที่ขาดไม่ได้ กรอบงาน agentUniverse ที่ใช้เทคโนโลยี RAG มอบขั้นตอนการปฏิบัติงานมาตรฐานที่มีประสิทธิภาพสำหรับการสร้างฐานความรู้และกระบวนการดึงข้อมูลและเรียกคืนของ RAG คุณสามารถเรียนรู้เกี่ยวกับการใช้งานได้ผ่านบทนำความรู้และคำจำกัดความและการใช้งานความรู้ และเชี่ยวชาญเพิ่มเติมเกี่ยวกับวิธีสร้างฐานความรู้อย่างรวดเร็วและสร้างตัวแทนที่มีความสามารถในการเรียกคืนผ่านวิธีสร้างตัวแทน RAG
ในการสร้างแอปพลิเคชันตัวแทน ตัวแทนจำเป็นต้องเชื่อมต่อกับเครื่องมือที่หลากหลาย คุณควรระบุเครื่องมือต่างๆ ที่พวกเขาสามารถใช้ได้ คุณสามารถผสานรวม API และบริการที่เป็นกรรมสิทธิ์ต่างๆ ให้เป็นปลั๊กอินเครื่องมือผ่านการสร้างและการใช้งานเครื่องมือ กรอบงานได้รวม LangChain และชุดเครื่องมือของบุคคลที่สามบางส่วนไว้แล้ว สำหรับการใช้งานโดยละเอียด โปรดดูที่การรวมเครื่องมือ LangChain และเครื่องมือรวมที่มีอยู่
การประเมินประสิทธิผลของตัวแทนสามารถดำเนินการผ่านการประเมินโดยผู้เชี่ยวชาญในด้านหนึ่ง และโดยการใช้ประโยชน์จากความสามารถในการประเมินของตัวแทนในอีกด้านหนึ่ง agentUniverse ได้เปิดตัว DataAgent (เวอร์ชันผลิตภัณฑ์ที่ใช้งานได้ขั้นต่ำ) ซึ่งมีจุดมุ่งหมายเพื่อเพิ่มศักยภาพให้กับตัวแทนของคุณด้วยความสามารถในการประเมินตนเองและการพัฒนาโดยใช้ระบบอัจฉริยะของตัวแทน คุณยังสามารถปรับแต่งเกณฑ์การประเมินภายในได้ สำหรับรายละเอียดเพิ่มเติม โปรดดูเอกสารประกอบ: DataAgent - Autonomous Data Agent
agentUniverse นำเสนอความสามารถเว็บเซิร์ฟเวอร์มาตรฐานที่หลากหลาย รวมถึงโปรโตคอล HTTP และ RPC มาตรฐาน คุณสามารถศึกษาเอกสารเพิ่มเติมเกี่ยวกับการลงทะเบียนและการใช้งานบริการและส่วนเว็บเซิร์ฟเวอร์ได้
agentUniverse จัดเตรียมแพลตฟอร์ม Visual Canvas สำหรับเวิร์กโฟลว์เอเจนต์ โปรดทำตามขั้นตอนด้านล่างเพื่อเริ่มต้นอย่างรวดเร็ว:
ติดตั้งผ่าน pip
pip install magent-ui ruamel.yamlคลิกเดียวเรียกใช้
รันไฟล์ product_application.py ที่อยู่ในsample_standard_app/app/bootstrap เพื่อเริ่มต้นเพียงคลิกเดียว
สำหรับรายละเอียดเพิ่มเติม โปรดดูที่การเริ่มต้นอย่างรวดเร็วสำหรับแพลตฟอร์มผลิตภัณฑ์และคำแนะนำขั้นสูง
ฟีเจอร์นี้เปิดตัวร่วมกันโดย difizen และ agentUniverse
แกนหลักของ agentUniverse มอบองค์ประกอบหลักทั้งหมดที่จำเป็นในการสร้างเอเจนต์อัจฉริยะตัวเดียว กลไกการทำงานร่วมกันระหว่างตัวแทนหลายราย และการอัดฉีดความรู้จากผู้เชี่ยวชาญ ทำให้นักพัฒนาสามารถสร้างแอปพลิเคชันอัจฉริยะที่มาพร้อมกับ KnowHow ระดับมืออาชีพได้อย่างง่ายดาย
agentUniverse นำเสนอส่วนประกอบโมเดลการทำงานร่วมกันหลายตัวแทนหลายรายการที่ได้รับการตรวจสอบแล้วในอุตสาหกรรมจริง โดยที่ "PEER" เป็นหนึ่งในโมเดลที่โดดเด่นที่สุด
โมเดล PEER ใช้ตัวแทนที่มีหน้าที่รับผิดชอบที่แตกต่างกันสี่ประการ: การวางแผน การดำเนินการ การแสดง และการทบทวน โครงสร้างนี้ช่วยให้สามารถแยกย่อยและดำเนินการตามขั้นตอนของปัญหาที่ซับซ้อน และเปิดใช้งานการวนซ้ำอัตโนมัติตามผลตอบรับการประเมิน ซึ่งจะช่วยเพิ่มประสิทธิภาพในงานการให้เหตุผลและการวิเคราะห์ในท้ายที่สุด แบบจำลองนี้มีประสิทธิภาพโดยเฉพาะอย่างยิ่งในสถานการณ์ที่ต้องมีการแยกย่อยหลายขั้นตอนและการวิเคราะห์เชิงลึก เช่น การตีความเหตุการณ์ การวิเคราะห์เศรษฐศาสตร์มหภาค และการวิเคราะห์ความเป็นไปได้ของข้อเสนอทางธุรกิจ
แบบจำลอง PEER บรรลุผลลัพธ์ที่น่าตื่นเต้น และผลการวิจัยล่าสุดและผลการทดลองสามารถพบได้ในเอกสารต่อไปนี้
ตามบทนำข้างต้น เราสรุปได้ว่า agentUniverse มีคุณสมบัติหลักดังต่อไปนี้:
ความสามารถในการสร้างตัวแทนที่ยืดหยุ่นและขยายได้: มีส่วนประกอบที่จำเป็นทั้งหมดที่จำเป็นสำหรับตัวแทนการสร้าง ซึ่งทั้งหมดนี้สนับสนุนการปรับแต่งเพื่อปรับปรุงตัวแทนเฉพาะผู้ใช้
โมเดลการทำงานร่วมกันหลายตัวแทนที่สมบูรณ์และมีประสิทธิภาพ: มีโมเดลการทำงานร่วมกัน เช่น PEER (Plan/Execute/Express/Review) และ DOE (Data-finding/Opinion-inject/Express) ซึ่งได้รับการตรวจสอบแล้วในอุตสาหกรรม ผู้ใช้ยังสามารถปรับแต่งและประสานโมเดลใหม่ๆ เพื่อเปิดใช้งานการทำงานร่วมกันแบบออร์แกนิกระหว่างตัวแทนหลายราย
การบูรณาการความเชี่ยวชาญด้านโดเมนอย่างง่ายดาย: นำเสนอความสามารถสำหรับพร้อมท์โดเมน การสร้างความรู้ และการจัดการ สนับสนุนการเรียบเรียงและการแทรก SOP ระดับโดเมน ซึ่งทำให้ตัวแทนสอดคล้องกับความรู้โดเมนระดับผู้เชี่ยวชาญ
สำหรับคุณลักษณะเพิ่มเติม โปรดดูคุณลักษณะหลักของส่วน agentUniverse
ตัวแทนให้คำปรึกษาทางกฎหมาย v2
เอเจนต์การสร้างและดำเนินการโค้ด Python
กลุ่มสนทนาตามโหมด Multi-Turn Multi-Agent
การวิเคราะห์เหตุการณ์ทางการเงินตามโหมด PEER Multi-Agent
การจำลองแบบตัวแทนการแปลเวิร์กโฟลว์แบบสะท้อนของ Andrew Ng
- Zhi Xiao Zhu -ผู้ช่วย AI สำหรับผู้เชี่ยวชาญด้านการเงิน
Zhi Xiao Zhu ผู้ช่วย AI: อำนวยความสะดวกในการใช้งานโมเดลขนาดใหญ่ในอุตสาหกรรมที่เข้มงวด เพื่อเพิ่มประสิทธิภาพของผู้เชี่ยวชาญด้านการวิจัยการลงทุน
Zhi Xiao Zhu AI Assistant เป็นโซลูชันที่มีประสิทธิภาพสำหรับการใช้งานจริงของโมเดลขนาดใหญ่ในอุตสาหกรรมที่เข้มงวด ขึ้นอยู่กับโมเดล Finix ซึ่งมุ่งเน้นไปที่แอปพลิเคชันที่แม่นยำ และเฟรมเวิร์กเอเจนต์อัจฉริยะ agentUniverse ซึ่งยอดเยี่ยมในการปรับแต่งอย่างมืออาชีพ โซลูชันนี้มุ่งเป้าไปที่ผู้ช่วยธุรกิจ AI มืออาชีพที่เกี่ยวข้องกับการวิจัยการลงทุน ESG (สิ่งแวดล้อม สังคม และธรรมาภิบาล) การเงิน รายงานรายได้ และสาขาพิเศษอื่นๆ ได้รับการตรวจสอบอย่างกว้างขวางในสถานการณ์ขนาดใหญ่ที่ Ant Group ซึ่งช่วยเพิ่มประสิทธิภาพของผู้เชี่ยวชาญ
สำหรับข้อมูลโดยละเอียดเพิ่มเติม โปรดอ่านคู่มือผู้ใช้
โปรดอ่านข้อมูลอ้างอิง API
- เราขอแนะนำให้ส่งคำถามของคุณโดยใช้ปัญหา GitHub โดยปกติแล้วเราจะตอบกลับภายใน 2 วัน
- เข้าร่วม Discord Channel ของเราเพื่อโต้ตอบกับเรา
- อีเมล:
ID: agentUniverse
โปรเจ็กต์นี้สร้างขึ้นบางส่วนจากโปรเจ็กต์โอเพ่นซอร์สที่ยอดเยี่ยม เช่น langchain, pydantic, gunicorn, flask, SQLAlchemy, chromadb ฯลฯ (สามารถดูรายการการขึ้นต่อกันโดยละเอียดได้ใน pyproject.toml) เราอยากจะขอขอบคุณเป็นพิเศษต่อโครงการและผู้มีส่วนร่วมที่เกี่ยวข้อง
