13.4K+ Star！Phidata：一个开源的AI智能体框架

欢迎关注我，持续获取更多内容，感谢赞&在看~

Phidata 简介

Phidata^[1] 是一个用于构建具有记忆、知识、工具和推理能力的智能代理的框架。

这些代理可以执行复杂的任务，如网络搜索、财务数据分析等，并且能够以团队的形式协同工作。

Phidata 还提供了一个用户界面，允许用户与代理进行交互，以及监控和调试工具，以便开发者可以跟踪代理的性能并进行优化。

项目特点

主要特点

智能代理构建：使用 Phidata，可以构建具有记忆、知识、工具和推理能力的智能代理。
团队合作：可以创建多个代理，它们可以协同工作以完成更复杂的任务。
用户界面：Phidata 提供了一个美观的用户界面，允许用户与代理进行交流。
监控与优化：内置的监控和调试工具可以帮助跟踪代理的性能并进行优化。
软件应用程序：可以将代理作为软件应用程序运行，包括数据库、向量数据库和 API。

使用场景

Phidata 可以用于多种场景，包括但不限于：

网络搜索：构建能够搜索互联网并提供有来源信息的代理。
财务分析：创建代理以查询和分析财务数据。
数据科学：使用代理进行数据科学任务，如数据分析和可视化。
自动化任务：构建代理以自动化日常任务，提高工作效率。

项目使用

安装

pip install -U phidata

代理示例

以下是创建一个简单的网络搜索代理的步骤。创建一个 Python 文件，例如 web_search.py，并编写以下代码：

from phi.agent import Agent
from phi.model.openai import OpenAIChat
from phi.tools.duckduckgo import DuckDuckGo

web_agent = Agent(
    name="Web Agent",
    model=OpenAIChat(id="gpt-4o"),
    tools=[DuckDuckGo()],
    instructions=["Always include sources"],
    show_tool_calls=True,
    markdown=True,
)
web_agent.print_response("Whats happening in France?", stream=True)

运行

安装所需的库并运行代理：

pip install phidata openai duckduckgo-search
export OPENAI_API_KEY=sk-xxxx
python web_search.py

界面

安装依赖并运行

pip install 'fastapi[standard]' sqlalchemy

创建文件playground.py

from phi.agent import Agent
from phi.model.openai import OpenAIChat
from phi.storage.agent.sqlite import SqlAgentStorage
from phi.tools.duckduckgo import DuckDuckGo
from phi.tools.yfinance import YFinanceTools
from phi.playground import Playground, serve_playground_app

web_agent = Agent(
    name="Web Agent",
    model=OpenAIChat(id="gpt-4o"),
    tools=[DuckDuckGo()],
    instructions=["Always include sources"],
    storage=SqlAgentStorage(table_name="web_agent", db_file="agents.db"),
    add_history_to_messages=True,
    markdown=True,
)

finance_agent = Agent(
    name="Finance 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"],
    storage=SqlAgentStorage(table_name="finance_agent", db_file="agents.db"),
    add_history_to_messages=True,
    markdown=True,
)

app = Playground(agents=[finance_agent, web_agent]).get_app()

if __name__ == "__main__":
    serve_playground_app("playground:app", reload=True)