agentUniverse 是一个基于大型语言模型的多智能体框架。 agentUniverse为您提供灵活易拓展的单智能体构建能力；agentUniverse核心拥有丰富的多智能体协同模式组件（可视为一个协同模式工厂Pattern Factory），它能让智能体们各司其职在解决不同领域问题时发挥最大的能力；同时agentUniverse专注于领域经验的融合，帮助您轻松将领域经验融入到智能体的工作中。🎉🎉🎉
🌈🌈🌈agentUniverse帮助开发者、企业轻松构建出领域专家级别的强大智能体协同为您工作。
我们期待您通过社区对不同领域的Pattern进行实践与交流共享，框架也预置有若干已在真实产业中验证有效的多智能体协作模式组件，并在未来持续丰富。目前即将开放的模式组件包括：
- PEER 模式组件： 该pattern通过计划（Plan）、执行（Execute）、表达（Express）、评价（Review）四个不同职责的智能体，实现对复杂问题的多步拆解、分步执行，并基于评价反馈进行自主迭代，最终提升推理分析类任务表现。典型适用场景：事件解读、行业分析
- DOE 模式组件： 该pattern通过数据精制（Data-fining）、观点注入（Opinion-inject）、表达（Express）三个智能体，实现对数据密集、高计算精度、融合专家观点的生成任务的效果提升。典型适用场景：财报生成
更多模式组件持续推出中...
- 快速开始
| 快速安装 | 运行案例 | - 如何搭建一个智能体应用
| 工程化搭建 | 产品化搭建 | - 为什么使用agentUniverse
| 设计思路 | 协同机制 | 研究文献 | 核心特性 | - 案例与样例工程
| 官方案例 | 样例工程 | 典型产品 | - 用户指南手册
- 更多
| Roadmap | API说明 | 项目支持 | 鸣谢 |
使用pip：
pip install agentUniverse运行您的第一个案例，您可以通过教程快速体验agentUniverse构建出的智能体(组)运行效果。
详细步骤请阅读文档: 运行第一个教程案例 。
您可以通过 智能体介绍 了解智能体的重要组成部分，通过 智能体创建与使用 了解创建智能体的详细过程。您也可以结合官方案例，如 Python代码生成与执行Agent 进一步理解智能体创建与使用过程。
在智能体应用构建中，知识库构建与召回是不可缺少的，agentUniverse框架以RAG技术为基础提供了高效的知识库构建和RAG检索召回环节的标准作业流程。您可以通过知识介绍与知识定义与使用了解其使用方式，进一步通过如何构建RAG智能体掌握如何快速构建知识库与构建具有召回能力的智能体。
在智能体应用构建中，智能体需要连接各种各样的工具，您需要为其指定可使用的工具范围列表。您可以通过工具创建与使用将各类自有API与服务以工具插件形式接入。目前框架已经集成了LangChain与部分第三方工具包，详细使用法可阅读集成LangChain工具、现有集成的工具。
智能体的效果评估一方面可以通过人工专家评定，另一个方面也可以依托智能体的评估能力。agentUniverse推出了DataAgent（Minimum Viable Product版本）, DataAgent旨在使用智能体能力让您的Agent拥有自我评价与演进的能力，您也可以在其中自定义评估标准。详情见文档: DataAgent - 数据自治智能体。
agentUniverse提供多套标准的web serve能力, 同时提供标准的http与rpc协议。您可以进一步关注文档服务注册与使用与Web_Server部分。
agentUniverse提供基于本地的可视化平台搭建能力，请按照如下步骤快速启动。
通过pip安装
pip install magent-ui ruamel.yaml一键运行
运行sample_standard_app/app/boostrap下的product_application.py文件，一键启动。
更多详情参考 产品化平台快速开始 与 产品化平台进阶指南 。本功能由 🔗difizen 项目组 X agentUniverse 项目组联合推出。
agentUniverse核心提供了搭建单一智能体的全部关键组件、多智能体之间的协作机制、以及专家经验的注入机制，可以帮助开发者轻松构建具备专业KnowHow的智能应用。
agentUniverse提供了若干已在真实产业中验证有效的多智能体协作模式组件，其中，“PEER”是最具特色的模式之一。
PEER模式通过计划（Planning）、执行（Executing）、表达（Expressing）、评价（Reviewing）四个不同职责的智能体，实现对复杂问题的多步拆解、分步执行，并基于评价反馈进行自主迭代，最终提升推理分析类任务表现。这一模式显著适用于需要多步拆解、深度分析的场景，比如对于事件的解读、宏中观经济分析、商业方案的可行性分析等。
PEER模式取得了令人兴奋的效果，最新的研究成果与实验结果我们可以在下列文献中阅读。
BibTeX formatted
@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},
}
文献简介：该文献详细介绍了介绍了PEER多智能体框架的机制原理，同时在实验部分分别从完整性、相关性、紧凑性、事实性、逻辑性、结构性和全面性七个维度进行打分（各纬度满分为5分），PEER模式在每个测评维度的平均分数均高于BabyAGI，且在完整性、相关性、逻辑性、结构性和全面性五个纬度有显著优势；同时PEER模式在 GPT-3.5 turbo (16k) 模型下相较于 BabyAGI 的择优胜率达到 83%，在 GPT-4o 模型下择优胜率达到 81%，更多详情请阅读文献。 🔗https://arxiv.org/pdf/2407.06985
通过上述的介绍我们将其归纳总结，agentUniverse包含如下主要特点：
灵活易拓的智能体构建能力： 提供智能体构建所必须的全部关键组件，所有组件均可支持定制供用户增强专属智能体；
丰富有效的多智能体协同模式： 提供PEER（Plan/Execute/Express/Review）、DOE（Data-fining/Opinion-inject/Express）等产业中验证有效的协同模式，支持用户自定义编排新模式，让多个智能体有机合作；
轻松融入领域经验： 提供领域prompt、知识构建与管理的能力，支持领域级SOP编排与注入，将智能体对齐至领域专家级别；
💡 更多特点见agentUniverse核心特性部分。
投研支小助：助推大模型落地严谨产业，提升投研专家效率
投研支小助是大模型落地严谨产业的高效解决方案，基于专注严谨应用的凤凰大模型和善于专业定制的agentUniverse智能体框架，主要面向投研、ESG、财经、财报等投研相关细分领域的一系列专业AI业务助手，已在蚂蚁大规模场景充分验证，提升专家效率。
zhixiaozhu_video.mp4
💡 更多详细信息，请阅读用户指南手册 。
💡 请阅读readthedocs 。
😊 我们建议您使用github issue 提交您的疑问, 我们通常会在2日内回复。
😊 加入我们的 Discord频道 与我们进行交流。
😊 加入我们的钉钉答疑群与我们联系。
😊 Email:
jihan.hanji@antgroup.com jerry.zzw@antgroup.com jinshi.zjs@antgroup.com
😊 公众号ID：agentUniverse智多星
更多相关的文章与资讯你可以在微信公众号中获取。
ID: @agentuniverse_
本项目部分基于langchain、pydantic、gunicorn、flask、SQLAlchemy、chromadb等（详细依赖列表可见pyproject.toml）优秀开源项目实现，在此特别感谢相关项目与关联方。 🙏🙏🙏