|
以后MAS系列，部分内容，会在公众号发布，有个独立专栏！ 多智能体系统MAS(Multi-Agent System)的0-1学习项目，上线！ 至于什么是MAS，同时发出的另外一篇，有介绍！ 生产级AI多智能体系统MAS学习指南 这是，长期项目！还没看的，上面看！
雄哥一直都说，做任何实践，必须先得到！
犹如，蜘蛛网，只有技能逐个握在手上，才能织成大网！ 我们从一个完整的生成式AI框架中，聚焦多智能体系统，拆开智能体的七大组件：
①感知 ②目标推理 ③规划 ④多Agent对齐 ⑤函数调用/实体执行 ⑥评估 ⑦自进化/迭代 说好0-1，今天，跟着雄哥，做一个简单多智能体协作应用，Crew AI来爬取海南旅游官网，并且分析输出营销优化方案！ --实现-- 
(Agent根据任务调用tools爬取网站，并深入分析网站内容)
这个系统，可以只运行在系统底层，支撑最终的输出或物理动作，它干了几件核心的事： #A 分析目标
#B 根据目标调用tools #C 获取tools执行后的数据(也可是现实世界的实体反馈) #D 根据数据，结合目标，输出方案 #E 输出反馈及审核 #F 再次优化方案 #G审核-多Agent同意方案，最终输出
ok！人的专注力只有10分钟，一边跑，一边聊MAS的原理，先得到！ 第一部分：CrewAI是什么？ 第二部分：代码如何工作？ 第三部分：跑起来！边跑边聊代码细节！
第一部分：CrewAI是什么？代码如何工作？
这是一个用于编排角色扮演、自主 AI Agent的尖端框架，让AI成为多个不同角度的Agent，围绕目标去展开方案和工作！ 可能你对雄哥之前做的RAG+Tools的方案比较熟悉，之前我们的Agent的入口都是RAG，现在，入口在“Agent”！
RAG能在这个框架下运行！更可作为，外部子系统，调用！
CrewAI就是这样出发的一个Agent框架，但未来，Agent能干的事，还远不止于此！更不会拘泥于某一个开发框架！
在MAS的学习指南中，CrewAI是其中一部分，雄哥认为这，很有价值！ 
对这个项目感兴趣的朋友，一定要留意我们的系列实践，也可到它的官方仓库，找到资料： https://github.com/crewAIInc/crewAI 当然啦，除了这个项目，我们还会做一些同样有价值的Agent框架实践，比如AutoGen、SWE-Agent等，甚至还会有雄哥团队做的Agent项目实践部分，属私货内容！
第二部分：代码是如何工作的？
刚刚雄哥，都介绍到啦，他是如何工作的？ 通过多Agent协作，解决问题！
我们从自己实际的场景，来设计Agent的任务流，让他围绕我这个真实的目标，去编排，不就行咯！
雄哥刚刚在海南回来，假如你是“海南旅游官网”的产品经理，你应该如何优化这个网站呢？ https://hainanly.cn 
那要干这个活，就要有这些Agent，来编排：
①公司研究Agent：帮助你收集有关 “海南旅游”的商业模式、服务和市场地位的详细见解，以定制营销方案； ②网站分析Agent：帮助评估 “海南旅游” 的网站，以寻找设计、可用性和 SEO 优化的改进； ③内容策略Agent：该Agent帮助你制定与 “海南旅游” 的品牌和目标相一致的内容策略，从而增强其在线形象； ④销售推介Agent：该Agent吸收了所有其他Agent的发现，以创建一个完备的方案，突出Web 开发专业知识、以前的工作，并提出量身定制的解决方案以满足“海南旅游”官方的业务目标； 当然啦，可以自定义，你可以根据自己的任务，设计自己的Agent编排！ 稍后，雄哥也会详细介绍，他们之间，是如何工作的！
第三部分：跑起来！边跑边聊代码细节！
刚刚，我们定义了四个Agent，来优化，并输出完备的方案！
3.1 公司研究Agent
定位： -收集海南旅游的详细信息，包括业务、产品、服务和市场地位； 背景： -负责收集有关潜在客户的全面数据，为销售宣传提供信息； 工具： -search_tool：查找有关公司背景、产品和服务的信息； -scrape_tool：从公司的网站和在线状态收集更多详细信息； 任务： -将调查结果委托给网站分析Agent，以确保全面理解；
3.2网站分析代理 定位： -分析“海南旅游”网站需要改进的点，包括设计、性能和用户体验； 背景： -专注于确定客户网站上的具体问题和改进方案； 工具： -scrape_tool：从公司网站提取数据进行详细分析； -search_tool：与最佳实践进行比较并确定改进之处； 任务： -将调查结果委托给内容策略Agent，以纳入销售宣传；
3.3内容策略代理 定位： -制定内容策略，并确定改进的内容如何推动参与度和转化率； 背景： -专门为网站上的内容改进创建指定的叙述和策略； 工具： -search_tool：查找内容策略的示例和最佳实践； -scrape_tool：分析当前内容并提出改进建议； 任务： -将内容策略委托给销售推销Agent，以整合到最终推销中；
3.4推销代理 定位： -创建一个个性化和有说服力的销售宣传，以说服公司通过“Code With Prince”升级优化网站； 背景： -将研究、分析和内容策略相结合，打造完美的方案； 工具： -search_tool：收集推介所需的所有信息； -scrape_tool：根据其他Agent的见解+补充完善推介； 任务： -需要保持对销售宣传创建过程的直接控制，确保有凝聚力+有针对性；
ok！以上，就是雄哥的Agent编排的思路！
现在，我们动手，把这个项目，在本地，用代码跑起来！
你可以识别以上二维码，在星球，会员盘中，找到这个代码和环境要求！
末尾联系工程师-小胖，报 “老粉” 获取优惠券+进群喔！ 
如果你还未搭建，本地环境，马上点击下方，搭建环境！
第四天！0基础微调大模型+知识库，部署在微信！手把手安装AI必备环境！4/45
已经搭建好的，打开conda，直接跟着操作！ 你如果习惯使用其他工具的，例如vscode等，怎么顺手怎么来，小白跟着操作！ 创建conda环境！
一个项目，对应一个独立环境，养成习惯！名称crewai，指定Python版本3.10！
condacreate-ncrewaipython=3.10 
激活刚创建的crewai环境！
安装jupyter！
我们所有的代码，都在这个环境操作，如果你是用其他工具的，就不用安装了！ 
cd进入下载的工作目录中！ 确保没有中文！cd你放代码文件的目录！ pip安装依赖！ pipinstall-rrequirements.txt
进入操作环境！ 就是，刚刚我们安装了jupyter！会自动跳转到浏览器！ 
双击打开这份代码！ 
看到这，就已经成功进入了！
如何操作，非常简单了，ctrl+回车，就是运行当前代码块！
如果你不太熟jupyter，一定要学，上手极快！ 
在你这个文件夹中，还有api key，如果你还未申请，需要去申请或买一个！然后填到.env文件中！ OK！
首先，导入.env中的api！ importdotenv%load_extdotenv%dotenv
获取网站数据！创建tools！ #创建搜索工具search_tool=DuckDuckGoSearchRun()#创建网络爬虫工具scrape_tool=ScrapeWebsiteTool()
创建4个Agent，并且给他们分发任务！ 这里，雄哥用到了什么提示词工程方法，在星球也分享过，看有没有伙伴记得？
这是第一个Agent，负责研究这个研究这个公司网站的！其他三个同理！ # 定义公司研究agentcompany_research_agent = Agent(role="Company Research Agent",goal="收集目标公司的详细信息，包括其业务、产品、服务和市场地位.",backstory=("负责收集潜在客户的全面数据，以便为销售陈述提供信息."),allow_delegation=True,verbose=True)
# 定义公司研究agent的任务company_research_task = Task(description=("收集的数据包括 {company_name} 网站的 ({company_website}) 和其他的内容. ""包括关于他们的业务、产品、服务以及市场地位的细节."),expected_output=("详细报告关于 {company_name} 业务、产品、服务及市场地位的详细报告."),agent=company_research_agent,tools=[search_tool, scrape_tool])
依次定义好其他三个Agent后，我们要创建MAS中，非常重要的功能：
功能一：记忆功能
让Agent具有记忆，即使是多轮的对话或者输出再次交互，也不会遗忘历史对话！ 功能二：共享缓存
Agent①已经调用tools获得的数据，多个Agent工作的时候，其他Agent应该都知道这份数据，不用重复劳动，提升效率！
那我们定义好四个Agent，对应四个任务！
crew=Crew(agents=[company_research_agent,website_analysis_agent,content_strategy_agent,sales_pitch_agent],tasks=[company_research_task,website_analysis_task,content_strategy_task,sales_pitch_task],verbose=2,memory=True,cache=True) memory是记忆功能，cache是共享缓存功能！True！
然后，爬取网站数据！它会深入网站去做分析，甚至二级菜单！
启动程序，开始干活！
#执行启动result=crew.kickoff(inputs=inputs)
你会看到Agent集群，开始在各自的角度工作！ 
你也可以把这个对话保存为.md文件！ 当然啦，这还是单个model编排，真实的Agent任务中，还要根据每个任务的要求，安排微调后的Agent专用models来干的，这，也是MAS学习指南的重磅内容！
今天，我们就聊到这，目标，是让家人们，体验Agent作为入口，是如何工作和编排的，还非常初级！后面，我们会有更多的内容上线！
| 
