企业宣传,产品推广,广告招商,广告投放联系seowdb

一款由常识图谱引擎驱动的翻新Agent框架

嘿,大家好!这里是一个专一于AI智能体的频道!

当天给大家安利一个开源框架- muAgent v2.0:KG引擎驱动的翻新Agent框架。

由LLM和EKG(Eventic Knowledge Graph,行业常识载体)驱动的全新Agent框架,协同应用MultiAgent、FunctionCall、CodeInterpreter等。经过基于画布的拖放和便捷的文本编写,大言语模型可以辅佐您在人工指点下口头各种复杂的 SOP。

它兼容市场上现有的框架,可以成功四大**差异化技术配置:复杂推理、在线单干、人机交互、常识点播。该框架已在蚂蚁个人内多个复杂的 DevOps 场景中失掉验证。

经过对市面上的框架的深化剖析,发现大少数的 Agent 框架全体耦合度较高,其易用性和可裁减性较差。在预设场景中成功特定场景,但想要启动场景裁减却艰巨重重。

因此,咱们构建了一个可裁减、易于经常使用的 Multi-Agent 框架,以允许 ChatBot 在失掉常识库信息的同时,能够辅佐成功日常办公、数据剖析、开发运维等各种通用义务。

本名目标 Mutli-Agent 框架吸取兼容了多个框架的低劣设计,比如 metaGPT 中的信息池(message pool)、autogen 中的代理选用器(agent selector)等。

名目地址:

Multi-Agent 框架,包含以下内容:

在 Agent 层面,提供四种基本的 Agent 类型,对这些 Agent 启动 Role 的基础设定,可满足多种通用场景的交互和经常使用。一切的 Action 都由 Agent 口头。

BaseAgent:提供基础问答、工具经常使用、代码口头的配置,依据 Prompt 格局成功 输入 => 输入

ReactAgent:提供规范 React 的配置,依据疑问成功义务

ExecutorAgent:对义务清单启动顺序口头,依据 User 或 上一个 Agent 编排的方案,成功相关义务 Agent 接遭到义务清单(List[task]),对这个义务清单 Task 启动循环口头(两边也可减少 Feedback Agent 来启动义务从新优化),直到义务成功

SelectorAgent:提供选用 Agent 的配置,依据 User 或 上一个 Agent 的疑问选用适合的 Agent 来启动回答.

本文转载自​​,作者:​​

© 版权声明
评论 抢沙发
加载中~
每日一言
不怕万人阻挡,只怕自己投降
Not afraid of people blocking, I'm afraid their surrender