actionflow 0.0.5

LLM agent workflows

🇨🇳中文 | 🌐English

---

Actionflow: Agent Workflows with Prompts and Tools

actionflow: A Human-Centric Framework for Large Language Model Agent Workflows, build your agent workflows quickly

actionflow: 快速构建你自己的Agent工作流

Overview

• 规划（Planning）：任务拆解、生成计划、反思
• 记忆（Memory）：短期记忆（prompt实现）、长期记忆（RAG实现）
• 工具使用（Tool use）：function call能力，调用外部API，以获取外部信息，包括当前日期、日历、代码执行能力、对专用信息源的访问等

• Planner：负责让LLM生成一个多步计划来完成复杂任务，生成相互依赖的“链式计划”，定义每一步所依赖的上一步的输出
• Worker：接受“链式计划”，循环遍历计划中的每个子任务，并调用工具完成任务，可以自动反思纠错以完成任务
• Solver：求解器将所有这些输出整合为最终答案

Features

Actionflow是一个Agent工作流构建工具，功能：

• 简单代码快速编排复杂工作流
• 工作流的编排不仅支持prompt命令，还支持工具调用（tool_calls）
• 支持OpenAI API和Moonshot API(kimi)调用

Installation

pip install -U actionflow

or

git clone https://github.com/shibing624/actionflow.git
cd actionflow
pip install .

Getting Started

1. 复制example.env文件为.env，并粘贴OpenAI API key或者Moonshoot API key。

2. 运行Agent示例，自动调用google搜索工具：

from actionflow import Assistant, OpenAILLM, AzureOpenAILLM
from actionflow.tools.search_serper import SearchSerperTool

m = Assistant(
    llm=AzureOpenAILLM(),
    description="You are a helpful ai assistant.",
    show_tool_calls=True,
    # Enable the assistant to search the knowledge base
    search_knowledge=False,
    tools=[SearchSerperTool()],
    # Enable the assistant to read the chat history
    read_chat_history=True,
    debug_mode=True,
)
print("LLM:", m.llm)
print(m.run("介绍林黛玉", stream=False))
print(m.run("北京最近的新闻", stream=False))
print(m.run("我前面问了啥", stream=False))

Examples

运行工作流（Workflow）示例：

• examples/rag_assistant_demo.py 实现了RAG功能，基于PDF文档回答问题
• examples/python_assistant_demo.py 实现了Code Interpreter功能，自动生成python代码，并执行
• examples/research_demo.py 实现了Research功能，自动调用搜索工具，汇总信息后撰写科技报告
• examples/run_flow_news_article_demo.py 实现了写新闻稿的工作流，multi-agent的实现，定义了多个Assistant和Task，多次调用搜索工具，并生成高级排版的新闻文章
• examples/run_flow_investment_demo.py 实现了投资研究的工作流，依次执行股票信息收集、股票分析、撰写分析报告，复查报告等多个Task

Contact

• Issue(建议) ：
• 邮件我：xuming: [e-mail]
• 微信我： 加我微信号：xuming624, 备注：姓名-公司-NLP 进NLP交流群。

Citation

如果你在研究中使用了actionflow，请按如下格式引用：

APA:

Xu, M. actionflow: A Human-Centric Framework for Large Language Model Agent Workflows (Version 0.0.2) [Computer software]. https://github.com/shibing624/actionflow

BibTeX:

@misc{Xu_actionflow,
  title={actionflow: A Human-Centric Framework for Large Language Model Agent Workflows},
  author={Xu Ming},
  year={2024},
  howpublished={\url{https://github.com/shibing624/actionflow}},
}

License

授权协议为 The Apache License 2.0，可免费用做商业用途。请在产品说明中附加actionflow的链接和授权协议。

Contribute

项目代码还很粗糙，如果大家对代码有所改进，欢迎提交回本项目，在提交之前，注意以下两点：

• 在tests添加相应的单元测试
• 使用python -m pytest来运行所有单元测试，确保所有单测都是通过的

之后即可提交PR。

Acknowledgements

• https://github.com/langchain-ai/langchain
• https://github.com/simonmesmith/agentflow
• https://github.com/phidatahq/phidata

Thanks for their great work!