如何用AI進行情感分析
例如，像 Windsurf 這樣的現(xiàn)代?AI Agent?可以幫助任何人快速生成、運行、編輯、構(gòu)建和部署全棧 Web 應(yīng)用程序。它支持多種 Web 技術(shù)和數(shù)據(jù)庫的代碼生成與應(yīng)用構(gòu)建，如 Astro、Vite、Next.js、Superbase 等。
Agentic AI 系統(tǒng)在企業(yè)環(huán)境中有著廣泛的應(yīng)用，尤其是在執(zhí)行自動化和重復(fù)任務(wù)方面。以下是 AI Agent 在企業(yè)領(lǐng)域中有用的關(guān)鍵應(yīng)用場景：
你可以使用多個 Python 框架來創(chuàng)建并將 Agent 添加到應(yīng)用程序和服務(wù)中。這些框架包括無代碼（可視化 AI Agent 構(gòu)建器）、低代碼和中代碼工具?，F(xiàn)在我將向你介紹 2024 年五個頂尖的的基于 Python 的 Agent 構(gòu)建器，你可以根據(jù)自己的業(yè)務(wù)需求進行自由選擇。
1 Phidata
Phidata 是一個基于 Python 的框架，可將 LLM 轉(zhuǎn)化為 AI 產(chǎn)品中的 Agent。它支持主流大廠的閉源和開源 LLM，如 OpenAI、Anthropic、Cohere、Ollama 和 Together AI 等。通過其對數(shù)據(jù)庫和向量存儲的支持，我們可以輕松地將 AI 系統(tǒng)連接到 Postgres、PgVector、Pinecone、LanceDb 等。使用 Phidata，我們可以構(gòu)建基礎(chǔ) Agent，也可以通過函數(shù)調(diào)用、結(jié)構(gòu)化輸出和微調(diào)來創(chuàng)建高級 Agent。
現(xiàn)在我將向你展示如何使用 Phidata 框架和 OpenAI 的 LLM 在 Python 中構(gòu)建一個查詢 Yahoo Finance 的金融數(shù)據(jù)的基本 AI Agent。該 Agent 旨在通過 Yahoo Finance 匯總各公司分析師的推薦意見。
安裝依賴項：
新建一個 financial_agent.py：
import openai
from phi.agent import Agent
from phi.model.openai import OpenAIChat
from phi.tools.yfinance import YFinanceTools
from dotenv import load_dotenv
import os
# 從 .env 文件加載環(huán)境變量
load_dotenv()
# 從環(huán)境中獲取 API 密鑰
openai.api_key = os.getenv("OPENAI_API_KEY")
# 初始化 Agent
finance_agent = Agent(
name="Finance AI Agent",
model=OpenAIChat(id="gpt-4o"),
tools=[
YFinanceTools(
stock_price=True,
analyst_recommendations=True,
company_info=True,
company_news=True,
)
],
instructions=["Use tables to display data"],
show_tool_calls=True,
markdown=True,
)
# 輸出分析師對 NVDA 的推薦摘要
finance_agent.print_response("Summarize analyst recommendations for NVDA", stream=True)上述代碼：
Swarm 是 OpenAI 最近發(fā)布的一種開源實驗性 Agent 框架，是一種輕量級的 Multi-Agent 編排框架。
注意：Swarm 仍處于實驗階段?？捎糜陂_發(fā)和教育目的，但不建議用于生產(chǎn)環(huán)境。最新的信息可以去參考官方倉庫：
https://github.com/openai/swarm
Swarm 使用 Agents 和 Handoffs（交接） 作為抽象概念，用于 Agent 的編排和協(xié)調(diào)。它是一種輕量級框架，便于測試和管理。Swarm 的 Agent 可以配置工具、指令和其他參數(shù)，以執(zhí)行特定任務(wù)。
除了其輕量和簡單的架構(gòu)，Swarm 還具備以下關(guān)鍵特性：
接下來，我給你演示一下如何使用 Swarm：
from swarm import Swarm, Agent
# 初始化 Swarm 客戶端
client = Swarm()
mini_model = "gpt-4o-mini"
# 定義協(xié)調(diào)函數(shù)，用于將任務(wù)交接給 Agent B
def transfer_to_agent_b():
return agent_b
# 定義 Agent A
agent_a = Agent(
name="Agent A",
instructions="You are a helpful assistant.",
functions=[transfer_to_agent_b],
)
# 定義 Agent B
agent_b = Agent(
name="Agent B",
model=mini_model,
instructions="You speak only in Finnish.",
)
# 運行 Agent 系統(tǒng)并獲取響應(yīng)
response = client.run(
agent=agent_a,
messages=[{"role": "user", "content": "I want to talk to Agent B."}],
debug=False,
)
# 打印 Agent B 的響應(yīng)
print(response.messages[-1]["content"])上述代碼
如果將 agent_b 的指令中語言更改為其他語言（如英語、瑞典語、芬蘭語），將會得到相應(yīng)語言的響應(yīng)結(jié)果。
CrewAI 是最受歡迎的基于 Agent 的 AI 框架之一，可快速構(gòu)建 AI Agent 并將其集成到最新的 LLM 和代碼庫中。像 Oracle、Deloitte、Accenture 等大公司都在使用并信任 CrewAI。
與其他基于 Agent 的框架相比，CrewAI 功能更加豐富，特性更加多樣。
首先我們需要安裝 CrewAI：
上述命令會安裝 CrewAI 及其工具，并驗證安裝是否成功。
安裝完成后，可運行以下命令創(chuàng)建一個新的 CrewAI 項目：
運行該命令后，系統(tǒng)會提示我們從以下模型提供商列表中選擇一個，例如 OpenAI、Anthropic、xAI、Mistral 等。選擇提供商后，還可以從列表中選擇具體模型，例如 gpt-4o-mini。
以下命令可用于創(chuàng)建 Multi-Agent 系統(tǒng)：
完整的 CrewAI 應(yīng)用已上傳到 GitHub 倉庫，可通過以下命令下載并運行：
https://github.com/GetStream/stream-tutorial-projects/tree/main/AI/Multi-Agent-AI
運行后，你將看到類似以下的響應(yīng)結(jié)果：
4 Autogen
Autogen 是一個開源框架，用于構(gòu)建 Agent 系統(tǒng)。借助該框架，可以創(chuàng)建 Multi-Agent 協(xié)作和 LLM 工作流。
Autogen 具備以下關(guān)鍵功能：
下面的代碼塊構(gòu)建了一個簡單的 AI 天氣 Agent 系統(tǒng)：
import asyncio
from autogen_agentchat.agents import AssistantAgent
from autogen_agentchat.task import Console, TextMentionTermination
from autogen_agentchat.teams import RoundRobinGroupChat
from autogen_ext.models import OpenAIChatCompletionClient
import os
from dotenv import load_dotenv
load_dotenv()
# 定義工具
async def get_weather(city: str) -> str:
return f"The weather in {city} is 73 degrees and Sunny."
async def main() -> None:
# 定義 Agent
weather_agent = AssistantAgent(
name="weather_agent",
model_client=OpenAIChatCompletionClient(
model="gpt-4o-mini",
api_key=os.getenv("OPENAI_API_KEY"),
),
tools=[get_weather],
)
# 定義終止條件
termination = TextMentionTermination("TERMINATE")
# 定義 Agent 團隊
agent_team = RoundRobinGroupChat([weather_agent], termination_condition=termination)
# 運行團隊并將消息流至控制臺
stream = agent_team.run_stream(task="What is the weather in New York?")
await Console(stream)
asyncio.run(main())上述代碼
運行此代碼后，控制臺將顯示類似于以下的輸出結(jié)果：
LangGraph 是基于節(jié)點的 AI 框架，專為構(gòu)建處理復(fù)雜任務(wù)的 Multi-Agent 系統(tǒng)而設(shè)計。作為 LangChain 生態(tài)系統(tǒng)的一部分，LangGraph 是一種圖結(jié)構(gòu)的 Agent 框架。用戶可以通過節(jié)點和邊來構(gòu)建線性、層次化和順序化的工作流。其中，節(jié)點（node）表示 Agent 的動作，邊（edge）表示動作之間的轉(zhuǎn)換，狀態(tài)（state）則是 LangGraph Agent 的另一重要組成部分。
本文章轉(zhuǎn)載微信公眾號@PyTorch研習(xí)社
