LLM agents
Project description
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
LLM Agent
- 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
Actionflow架构
- 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
-
复制example.env文件为
.env
,并粘贴OpenAI API key或者Moonshoot API key。 -
使用
actionflow
构建Agent,并执行工作流:
自动调用google搜索工具,示例examples/web_search_demo.py
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,
)
m.run("一句话介绍林黛玉")
m.run("北京最近的新闻", stream=True, print_output=True)
m.run("总结前面的问答")
Examples
示例 | 描述 |
---|---|
examples/naive_rag_demo.py | 实现了基础版RAG,基于Txt文档回答问题 |
examples/advanced_rag_demo.py | 实现了高级版RAG,基于PDF文档回答问题,新增功能:pdf文件解析、query改写,字面+语义多路召回,召回排序(rerank) |
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:股票信息收集 - 股票分析 - 撰写分析报告 - 复查报告等多个Task |
examples/crawl_webpage.py | 实现了网页分析工作流:从Url爬取融资快讯 - 分析网页内容和格式 - 提取核心信息 - 汇总保存为md文件 |
examples/find_paper_from_arxiv.py | 实现了论文推荐工作流:自动从arxiv搜索多组论文 - 相似论文去重 - 提取核心论文信息 - 保存为csv文件 |
examples/remove_image_background.py | 实现了自动去除图片背景功能,包括自动通过pip安装库,调用库实现去除图片背景 |
examples/text_classification_demo.py | 实现了自动训练分类模型的工作流:读取训练集文件并理解格式 - 谷歌搜索pytextclassifier库 - 爬取github页面了解pytextclassifier的调用方法 - 写代码并执行fasttext模型训练 - check训练好的模型预测结果 |
Contact
- Issue(建议)
:
- 邮件我:xuming: xuming624@qq.com
- 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!
Project details
Download files
Download the file for your platform. If you're not sure which to choose, learn more about installing packages.
Source Distribution
agentica-0.0.1.tar.gz
(93.8 kB
view hashes)