Releases · shibing624/agentica

29 Dec 03:53

0.2.3

503be9f

0.2.3 Latest

Latest

v0.2.3

ZhipuAI提供了免费的模型api，包括：模型：glm-4-flash, glm-4v-flash, CogView-3-Flash, CogVideoX-Flash
和工具：文档（PDF、DOC、PPT、JPG等格式）内容抽取, Web-Search-Pro
免费专区：https://bigmodel.cn/dev/activities/free/glm-4-flash

均已经兼容到agentica库。

调用示例：

https://github.com/shibing624/agentica/blob/main/examples/40_web_search_zhipuai_demo.py

Full Changelog: 0.2.0...0.2.3

Assets 2

23 Dec 13:36

shibing624

0.2.0

52ed995

0.2.0

v0.2.0 版本

支持了多模态大模型；
改进了workflow的逻辑；
升级Assistant为Agent的处理；
支持multi-agent的2种模式：team和workflow。
所有的demo全部重写了。

示例	描述
examples/01_llm_demo.py	LLM问答Demo
examples/02_user_prompt_demo.py	自定义用户prompt的Demo
examples/03_user_messages_demo.py	自定义输入用户消息的Demo
examples/04_memory_demo.py	Agent的记忆Demo
examples/05_response_model_demo.py	按指定格式（pydantic的BaseModel）回复的Demo
examples/06_calc_with_csv_file_demo.py	LLM加载CSV文件，并执行计算来回答的Demo
examples/07_create_image_tool_demo.py	实现了创建图像工具的Demo
examples/08_ocr_tool_demo.py	实现了OCR工具的Demo
examples/09_remove_image_background_tool_demo.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/10_vision_demo.py	视觉理解Demo
examples/11_web_search_openai_demo.py	基于OpenAI的function call做网页搜索Demo
examples/12_web_search_moonshot_demo.py	基于Moonshot的function call做网页搜索Demo
examples/13_storage_demo.py	Agent的存储Demo
examples/14_custom_tool_demo.py	自定义工具，并用大模型自主选择调用的Demo
examples/15_crawl_webpage_demo.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 - 汇总存为md文件
examples/16_get_top_papers_demo.py	解析每日论文，并保存为json格式的Demo
examples/17_find_paper_from_arxiv_demo.py	实现了论文推荐的Demo：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/18_agent_input_is_list.py	展示Agent的message可以是列表的Demo
examples/19_naive_rag_demo.py	实现了基础版RAG，基于Txt文档回答问题
examples/20_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+语义多路混合召回，召回排序（rerank）
examples/21_memorydb_rag_demo.py	把参考资料放到prompt的传统RAG做法的Demo
examples/22_chat_pdf_app_demo.py	对PDF文档做深入对话的Demo
examples/23_python_agent_memory_demo.py	实现了带记忆的Code Interpreter功能，自动生成python代码并执行，下次执行时从记忆获取结果
examples/24_context_demo.py	实现了传入上下文进行对话的Demo
examples/25_tools_with_context_demo.py	工具带上下文传参的Demo
examples/26_complex_translate_demo.py	实现了复杂翻译Demo
examples/27_research_agent_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/28_rag_integrated_langchain_demo.py	集成LangChain的RAG Demo
examples/29_rag_integrated_llamaindex_demo.py	集成LlamaIndex的RAG Demo
examples/30_text_classification_demo.py	实现了自动训练分类模型的Agent：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
examples/31_team_news_article_demo.py	Team实现：写新闻稿的team协作，multi-role实现，委托不用角色完成各自任务：研究员检索分析文章，撰写员根据排版写文章，汇总多角色成果输出结果
examples/32_team_debate_demo.py	Team实现：基于委托做双人辩论Demo，特朗普和拜登辩论
[examples/33_self_evolving_agent_demo.py](https://github.com/shibing624/agentica/blob/main/examples/33_se...

Assets 2

02 Jul 14:35

shibing624

0.1.0

e64758e

0.1.0

agentica是一个Agent构建工具，功能：

简单代码快速编排Agent，支持 Reflection(反思）、Plan and Solve(计划并执行)、RAG、Agent、Multi-Agent、Multi-Role、Workflow等功能
Agent支持prompt自定义，支持多种工具调用（tool_calls）
支持OpenAI/Azure/Claude/Ollama/Together API调用

实现的demo示例有：

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/team_news_article_demo.py	实现了写新闻稿的team协作，multi-role实现，委托不用角色完成各自任务：研究员检索分析文章，撰写员根据排版写文章，汇总多角色成果输出结果
examples/workflow_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/workflow_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_demo.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_demo.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_demo.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
examples/llm_os_demo.py	实现了LLM OS的初步设计，基于LLM设计操作系统，可以通过LLM调用RAG、代码执行器、Shell等工具，并协同代码解释器、研究助手、投资助手等来解决问题。