openagi

OpenAGI 项目介绍

项目概述

OpenAGI 是一个旨在使类人自主代理系统对所有人更加易得的项目，旨在通过开放的代理系统，推动为每个人提供通用人工智能（AGI）的进程。该项目的核心理念是利用 AI 的变革力量，为解决许多现实生活中的问题提供帮助。OpenAGI 提供的框架有助于开发人员构建自主的类人代理，为他们提供一个轻松创建智能代理的工具平台。

项目安装

为了使用 OpenAGI，开发者首先需要创建一个虚拟环境。针对不同的操作系统，有不同的操作方法：

Mac 和 Linux 用户：

python3 -m venv venv
source venv/bin/activate

Windows 用户：

python -m venv venv
venv/scripts/activate

在虚拟环境准备好之后，可以通过以下几种方式安装 OpenAGI：

使用 pip 安装：
```
pip install openagi
```

或者从 GitHub 克隆项目：

git clone https://github.com/aiplanethub/openagi.git
pip install -e .

实例展示

OpenAGI 提供了一些示例代码以展示其功能。

手动代理执行

例如，可以创建一个 旅行规划代理，以帮助用户计划旧金山的旅行行程：

# 导入相关模块
from openagi.agent import Admin
from openagi.planner.task_decomposer import TaskPlanner
from openagi.actions.tools.ddg_search import DuckDuckGoSearch
from openagi.llms.openai import OpenAIModel
from openagi.worker import Worker

# 设置关键变量
plan = TaskPlanner(human_intervene=False)
action = DuckDuckGoSearch

import os
os.environ['OPENAI_API_KEY'] = "sk-xxxx"
config = OpenAIModel.load_from_env_config()
llm = OpenAIModel(config=config)

# 创建工作者实例
trip_plan = Worker(
    role="Trip Planner",
    instructions="""
    用户喜欢安静的地方，请根据这一爱好建议最佳的行程。
    """,
    actions=[action],
    max_iterations=10)

# 管理员配置
admin = Admin(
    llm=llm,
    actions=[action],
    planner=plan,
)
admin.assign_workers([trip_plan])

# 执行任务
res = admin.run(
    query="给我一个为期三天的旧金山湾区旅行计划",
    description="你是一名熟知城市信息、景点和习俗的本地导游",
)
print(res)

自主多代理执行

甚至可以构建一个无需人工干预即可自主运行的 体育代理：

# 导入相关模块
from openagi.planner.task_decomposer import TaskPlanner
from openagi.actions.tools.tavilyqasearch import TavilyWebSearchQA
from openagi.agent import Admin
from openagi.llms.gemini import GeminiModel

import os
os.environ['TAVILY_API_KEY'] = "<替换为Tavily密钥>"
os.environ['GOOGLE_API_KEY'] = "<替换为Gemini密钥>"
os.environ['Gemini_MODEL'] = "gemini-1.5-flash"
os.environ['Gemini_TEMP'] = "0.1"

gemini_config = GeminiModel.load_from_env_config()
llm = GeminiModel(config=gemini_config)

# 设置计划程序
plan = TaskPlanner(autonomous=True, human_intervene=True)

# 管理员设置
admin = Admin(
    actions = [TavilyWebSearchQA],
    planner = plan,
    llm = llm,
)
res = admin.run(
    query="我需要2024年斯里兰卡对印度单日国际赛的板球更新",
    description=f"给我印度对斯里兰卡单日国际赛的结果和赛后最佳选手的信息",
)
print(res)

长期记忆功能

OpenAGI 的代理具备优秀的长期记忆能力，能够：

回忆过去的对话，为接下来的互动提供连续性。
根据用户输入进行学习和适应。
通过引用之前的对话，提供上下文关联的响应。
随着每次交互的进行，提高准确性和效率。

示例代码展示：

import os
from openagi.agent import Admin
from openagi.llms.openai import OpenAIModel
from openagi.memory import Memory
from openagi.planner.task_decomposer import TaskPlanner
from openagi.worker import Worker
from openagi.actions.tools.ddg_search import DuckDuckGoSearch

memory = Memory(long_term=True)

os.environ['OPENAI_API_KEY'] = "-"
config = OpenAIModel.load_from_env_config()
llm = OpenAIModel(config=config)

web_searcher = Worker(
    role="网络研究员",
    instructions="""
    您的任务是使用 DuckDuckGo 进行网络搜索。
    根据用户查询找到最相关和准确的信息。
    """,
    actions=[DuckDuckGoSearch], 
)

admin = Admin(
    actions=[DuckDuckGoSearch],
    planner=TaskPlanner(human_intervene=False),
    memory=memory,
    llm=llm,
)
admin.assign_workers([web_searcher])

query = input("输入您的查询: ")
description = f"为查询找到准确和相关的信息: {query}"

res = admin.run(query=query, description=description)
print(res)