访问官网
Github
论文agentUniverse
什么是agentUniverse？
**agentUniverse是一个基于大型语言模型的多智能体框架。**agentUniverse为您提供灵活且易于扩展的能力来构建单个智能体。其核心特征是丰富的多智能体协作模式组件（可以视为协作模式工厂或模式工厂）。这些组件允许智能体通过专注于不同领域来最大化其有效性以解决问题。agentUniverse还注重领域专业知识的整合，帮助您将领域知识无缝融入智能体的工作中。🎉🎉🎉
🌈🌈🌈agentUniverse帮助开发者和企业轻松构建在各自领域达到专家水平的强大协作智能体。
我们鼓励您在社区内实践和分享不同领域的模式。该框架预装了几个已在实际行业中验证的多智能体协作模式组件，并将在未来继续扩展。即将推出的组件包括：
- PEER模式组件：该模式使用具有不同职责的智能体（计划、执行、表达和审查）来将复杂问题分解为可管理的步骤，按顺序执行这些步骤，并基于反馈进行迭代改进，从而提高推理和分析任务的性能。典型用例：事件解释、行业分析。
- DOE模式组件：该模式使用三个智能体（数据挖掘、意见注入和表达）来提高数据密集型、需要高计算精度并纳入专家意见的任务的有效性。典型用例：财务报告生成。
更多模式即将推出...
目录
快速开始
使用pip安装：
pip install agentUniverse
我们将向您展示如何：
- 准备环境和应用项目
- 构建一个简单的智能体
- 使用模式组件进行多智能体协作
- 测试和调优智能体的执行效果
- 快速将智能体部署为服务
更多详情，请阅读快速开始。
案例和示例项目
🌟 用例
🚩 DataAgent - 数据自主智能体
agentUniverse已推出DataAgent（最小可行产品版本）。DataAgent旨在通过使用智能体能力赋予您的智能体自我评估和进化的能力。更多详情，请参阅文档。DataAgent - 数据自主智能体
🌟 示例项目
🌟 使用agentUniverse构建的产品案例
"智小助"AI助手：促进大模型在严谨行业的落地，提升投研专家效率
"智小助"AI助手是大模型在严谨行业实践应用的高效解决方案。它基于专注精准应用的Finix模型和擅长专业定制的agentUniverse智能体框架，面向投研、ESG（环境、社会和治理）、财务、财报等专业领域的AI业务助手。该方案已在蚂蚁集团大规模场景得到广泛验证，提升了专家效率。
更多信息
为什么使用agentUniverse
核心特性
- **丰富的多智能体协作模式：**提供经过行业验证的协作模式，如PEER（计划/执行/表达/审查）和DOE（数据挖掘/意见注入/表达）。还支持用户自定义新模式的模式，实现多个智能体之间的有机协作。
- **可定制的组件：**框架的所有组件，包括LLM、知识、工具和内存，均可定制，允许用户增强其专用智能体。
- **无缝集成领域专业知识：**提供领域特定提示、知识构建和管理的能力，并支持领域级SOP编排和嵌入，使智能体在其领域达到专家水平。
💡 更多功能详情，请参阅agentUniverse的核心特性。
用户指南
💡 更详细的信息，请阅读用户指南。
API参考
💡 请阅读API参考。
支持
通过GitHub Issues提交问题
😊 我们建议您使用GitHub Issues提交问题，我们通常会在2天内回复。
通过Discord联系我们
😊 加入我们的Discord频道与我们互动。
通过管理员邮箱联系我们
😊 邮箱： jihan.hanji@antgroup.com jerry.zzw@antgroup.com jinshi.zjs@antgroup.com
ID: @agentuniverse_
引用
agentUniverse项目得到以下研究成果的支持。
BibTeX格式
@misc{wang2024peerexpertizingdomainspecifictasks,
title={PEER: Expertizing Domain-Specific Tasks with a Multi-Agent Framework and Tuning Methods},
author={Yiying Wang and Xiaojing Li and Binzhu Wang and Yueyang Zhou and Han Ji and Hong Chen and Jinshi Zhang and Fei Yu and Zewei Zhao and Song Jin and Renji Gong and Wanqing Xu},
year={2024},
eprint={2407.06985},
archivePrefix={arXiv},
primaryClass={cs.AI},
url={https://arxiv.org/abs/2407.06985},
}
概述：本文档详细介绍了PEER多智能体框架的机制和原理。在实验部分，从完整性、相关性、简洁性、事实性、逻辑性、结构性和全面性七个维度进行评分（每个维度满分5分）。PEER模型在每个评估维度的平均得分均高于BabyAGI，并在完整性、相关性、逻辑性、结构性和全面性维度上表现出显著优势。此外，PEER模型使用GPT-3.5 Turbo（16k）模型时相对于BabyAGI的优胜率达到83%，使用GPT-4模型时达到81%。更多详情请参阅文档。 https://arxiv.org/pdf/2407.06985
致谢
本项目部分基于优秀的开源项目如langchain、pydantic、gunicorn、flask、SQLAlchemy、chromadb等（详细依赖列表可在pyproject.toml中找到）。我们特别感谢相关项目及贡献者。🙏🙏🙏
