原子代理

<img src="https://yellow-cdn.veclightyear.com/2b54e442/a4138d62-77ab-488a-a677-c529aa17eaf1.png" alt="原子代理" width="350"/>

哲学

原子代理框架的设计目标是模块化、可扩展且易于使用。原子代理框架中的组件应尽可能小且单一用途，类似 Atomic Design 中的设计系统组件。尽管 Atomic Design 不能直接应用于 AI 代理架构，但很多理念都取自其中。由此产生的框架提供了一组工具和代理，可以组合创建强大的应用程序。该框架构建在 Instructor 之上，并利用 Pydantic 的数据验证和序列化功能。

一篇更加详细的深入文章可以在 Medium 上找到

<img src="https://yellow-cdn.veclightyear.com/2b54e442/f7452d50-dfca-4bfc-9cbf-a1ced9752d19.png" alt="原子代理架构" width="600"/> <img src="https://yellow-cdn.veclightyear.com/2b54e442/c8390add-c17c-4757-b876-2dcab81b97c1.png" alt="向 LLM 提示传递的内容" width="600"/>

安装

要安装原子代理，可以使用 pip 命令：

pip install atomic-agents

或者，在本地开发时，要从存储库中安装必要的依赖项，请在存储库的根目录中运行以下命令：

python -m venv venv
source venv/bin/activate # 在 Windows 上，使用 `venv\Scripts\activate.bat`
pip install -r requirements.txt
pip install -e .

快速入门

可以在 快速入门笔记本 中找到快速入门指南。更多指南和教程将很快添加！ 同时，请浏览 示例 目录中的其他示例。

使用示例及文档

<img src="https://yellow-cdn.veclightyear.com/2b54e442/da12eace-f469-4351-97a7-059789639269.png" alt="开源文档为差" width="350"/>

虽然我们尽力提供出色的文档，但我们意识到它并不完美。如果您发现有任何缺失或可以改进的地方，请不要犹豫，打开问题或提交拉取请求。

示例

所有示例可以在 示例 目录中找到。我们尽力对每个示例进行详细记录，但如果有不清楚的地方，请不要犹豫，打开问题或提交拉取请求以改进文档。

文档

文档可以在 文档 目录中找到。这里既有 API 文档，也有一些通用指南，例如 如何创建一个新工具。

Instructor 及模型兼容性

原子代理依赖于 Instructor 包。这意味着在所有使用 OpenAI 的示例中，任何其他由 Instructor 支持的 API 都可以使用，如 Cohere、Anthropic、Gemini 等。完整列表请参阅 Instructor 在其 GitHub 页面 上的文档。

此外，原子代理应该可以与 Ollama 或 LMStudio 一起使用。如果默认设置由于本地服务器不支持工具调用而无法工作，您可以将 mode 设置为 JSON。

格式化和代码检查

在提交代码之前，要格式化和检查代码，必须运行以下两个命令：

black atomic_agents

flake8 atomic_agents

测试

要运行测试，运行以下命令： pytest --cov atomic_agents

要查看覆盖率报告，运行以下命令： coverage html

贡献

我们欢迎贡献！请按照以下步骤进行贡献：

1. Fork 这个存储库
2. 创建一个新分支（git checkout -b feature-branch）
3. 进行更改
4. 提交您的更改（git commit -m 'Add some feature'）
5. 推送到分支（git push origin feature-branch）
6. 打开一个拉取请求

许可证

该项目根据 MIT 许可证授权 - 详细信息请参阅 LICENSE 文件。