什麼是原子特工？

原子代理：一個用於建造AI代理的輕巧的模塊化框架

人工智能代理人通過自主執行任務徹底改變行業。隨著其知名度的增長，對有效開發框架的需求也隨之增長。 Atomic Agents是一種新來者，專為輕質，模塊化和用戶友好的AI代理創建而設計。它透明的動手方法使開發人員可以直接與單個組件進行交互，這是構建高度可定制，易於理解的AI系統的理想選擇。本文探討了原子代理的功能及其簡約的設計優勢。

目錄

• 原子劑如何起作用
• 創建基本代理
  • 先決條件
  • 代理結構
  • 合併內存
  • 修改系統提示
• 連續代理聊天實現
• 流聊天輸出
• 自定義輸出模式集成
• 常見問題

原子劑如何起作用

原子，意思是不可分割的，完美地描述了原子劑。每個代理都是由基本的獨立組件構建的。與使用高級抽象的Autogen和Crew AI等框架不同，原子代理採用低級，模塊化設計。該授予開發人員直接控制輸入/輸出，工具集成和內存管理等組件，從而產生高度可定制和可預測的代理。基於代碼的實現可確保完全可見性，從而可以對每個階段的細粒度控制，從輸入處理到響應生成。

創建基本代理

先決條件

在構建代理之前，為您選擇的LLM確保必要的API鍵。使用.env文件加載這些鍵：

來自dotenv import load_dotenv
load_dotenv（'./ env'）

基本庫：

• 原子代理 - 1.0.9
• 講師 - 1.6.4（對於LLM的結構化數據）
• Rich - 13.9.4（用於文本格式）

代理結構

讓我們建立一個簡單的代理：

步驟1：導入必要的庫。

導入操作系統
進口教練
進口Openai
來自Rich.Console進口控制台
來自Rich.Panel進口面板
來自Rich.Text導入文本
來自Rich.Live Import Live
來自atomic_agents.Axents.base_agent進口baseagent，baseagentConfig，baseagentinputschema，baseagentOutputschema

步驟2：初始化LLM。

 client = enserver.from_openai（openai.openai（））

步驟3：設置代理。

 agent = baseagent（config = baseagentConfig（client = client，model =“ gpt-4o-mini”，溫度= 0.2））

運行代理：

結果= agent.run（baseagentInputschema（chat_message ='為什麼在室溫下汞液體？'））
打印（result.chat_message）

這將創建一個具有最小代碼的基本代理。重新定位代理將導致上下文喪失。讓我們添加內存。

合併內存

步驟1：導入AgentMemory和初始化。

來自atomic_agents.lib.components.agent_memory導入代理商
內存= agentmemory（max_messages = 50）

步驟2：使用內存構建代理。

 agent = baseagent（config = baseagentConfig（client = client，model =“ gpt-4o-mini”，溫度= 0.2，內存=內存））

現在，代理在多個交互之間保留上下文。

修改系統提示

步驟1：導入SystemPromptGenerator並檢查默認提示。

來自atomic_agents.lib.components.system_prompt_generator導入systempromptGenerator
print（agent.system_prompt_generator.generate_prompt（））
Agent.System_prompt_generator.background

步驟2：定義自定義提示。

 system_prompt_generator = system promptGenerator（
    背景= [“此助手是一位專業的物理專家，旨在有用和友好。”
    步驟= [“了解用戶的輸入並提供相關響應。”，“對用戶響應。”]，，，
    output_instructions = [“提供有用的相關信息來幫助用戶。”，“在所有互動中都友好而尊重。”，“始終在押韻詩中回答。”]
）

您還可以獨立地將消息添加到內存。

步驟3和4：使用內存和自定義提示構建代理。 （類似於以前的步驟，將memory和system_prompt_generator集成到BaseAgentConfig ）

現在，輸出將反映自定義提示的規格。

Continuous Agent Chat Implementation, Streaming Chat Output, Custom Output Schema Integration (These sections would follow a similar pattern of code examples and explanations as above, adapting the code to achieve continuous chat, streaming, and custom schema output. Due to length constraints, detailed code for these sections is omitted, but the principles remain consistent with the modular and transparent approach of Atomic Agents.)

常見問題

（這些將在這裡解決，以鏡像原始內容。）

結論

Atomic Agents提供了一個簡化的模塊化框架，為開發人員提供了對其AI代理的完全控制。它的簡單性和透明度促進了高度可定制的解決方案，而沒有高級抽象的複雜性。這使其成為適應性AI開發的絕佳選擇。隨著框架的發展，期望更多的功能，並保持其極簡主義的方法來構建清晰的，量身定制的AI代理。

以上是什麼是原子特工？的詳細內容。更多資訊請關注PHP中文網其他相關文章！