instruct:
输出语言: 中文
output:
page_topic:
$type: str
$desc: ""
summary:
$type: str
$desc: ""
- Python文件:
python
import Agently
agent_factory = (
Agently.AgentFactory()
.set_settings("model.Google.auth.api_key", "")
.set_settings("current_model", "Google")
)
agent = agent_factory.create_agent()
print(
agent
.load_yaml_prompt(
path="./yaml_prompt.yaml",
你也可以用下面方式直接传递YAML格式的字符串
yaml=yaml_str
variables = {
"user_input": "http://Agently.tech",
}
)
.start()
)
- 运行结果:
json
{
"page_topic": "易用、灵活、高效的开源大模型应用开发框架",
"summary": "Agently是一个开源的大模型应用开发框架，它可以让开发者轻松地使用大模型来构建应用程序。Agently的特点包括：\n\n* 语法简单易学，5分钟开始使用\n* 安装简单，使用pip install -U Agently即可\n* 使用灵活，可以通过几行代码指定大模型、鉴权信息等信息\n* 支持链式调用，像调用函数一样和Agent实例交互\n* 为工程开发者设计，应用开发灵活性高\n* 支持传递结构化数据灵活表达请求，管理Agent实例设定信息，提供自定义函数\n* 支持监听流式输出，使用Agently Workflow将复杂任务切分成块\n* 架构设计深度，解构了大模型驱动的Agent结构，维护了模型请求前后置信息流处理工作流等基础原子要件\n* 提供能力插件、工作流管理方案等增强开发者在应用层的表达丰富度"
}
使用YAML格式数据管理你的工作流
`[Agently Workflow: YAML Flow]`
> `[🧪测试] 这个功能后续可能会调整用法或者语法`
我们向您提供一种实验性的通过YAML格式数据管理工作流的方法，通过这种管理方法，您可以对工作流中的工作块定义，以及工作块间的连接关系进行更加方便直观的管理。这个功能将为您呈现我们的初步想法，我们还会持续完善这个能力，强化这种表达方法的表达能力。
同时，我们也在这项新能力中预置了`开始(Start)`，`用户输入(UserInput)`，`打印结果(Print)`这三个基本工作块，帮助您更快速的构建自己的工作流。通过阅读这三个工作块的定义方法，也能够对您创建自定义工作块提供思路参考。
基本用法
- YAML文件/YAML文本内容:
YAML
chunks:
start:
type: Start
user_input:
type: UserInput
placeholder: '[用户输入]: '
print:
type: Print
connections:
- start->user_input->print
- Python文件:
python
import Agently
workflow = Agently.Workflow()
你可以通过设置draw=True来输出工作流的Mermaid代码，而不是运行它
print(workflow.start_yaml(path="./yaml_file.yaml", draw=True))
workflow.start_yaml(path="./yaml_file.yaml")
- 运行结果:
shell
[用户输入]: 1+2
>>> 1+2
自定义你自己的工作块执行器
- YAML文件/YAML文本内容:
YAML
chunks:
start:
type: Start
user_input:
type: UserInput
placeholder: '[User Input]:'
我们在这里声明一个新的calculate工作块
calculate:
然后在这里添加一个calculate执行器来计算用户输入结果
在executor里指定执行器id为calc
executor: calc
print:
type: Print
connections:
然后把calculate工作块放入工作流中
- start->user_input->calculate->print
- Python file:
python
import Agently
使用函数装饰器`workflow.executor_func(<executor_id>)`
来声明一个执行器id为calc的执行器函数
workflow.executor_func("calc")
def calculate_executor(inputs, storage):
result = eval(inputs["input"])
return str(result)
workflow = Agently.Workflow()
print(workflow.start_yaml(path="./yaml_file.yaml", draw=True))
workflow.start_yaml(path="./yaml_file.yaml")
- Result:
shell
[用户输入]: 1+2
>>> 3
通过基础Prompt管理方法理解不同的Prompt生命周期
我们添加了一系列的Prompt管理方法，来帮助开发者直接管理设定给Agent实例或是单次请求的Prompt信息，设定对象不同，这些Prompt信息的生命周期也是有差别的。
当我们使用`agent.set_agent_prompt()`方法向Agent实例设定Prompt信息的时候，这些信息将被传递并存储到Agent实例的结构体内，并在这个Agent实例**每次请求模型时，都携带这些信息**，直到这个Agent实例被销毁或者回收。
- `agent.set_agent_prompt(<基础指令名>, <value>)`
- `agent.get_agent_prompt(<基础指令名>)`
- `agent.remove_agent_prompt(<基础指令名>)`
当我们使用`agent.set_request_prompt()`方法向Agent实例内部的单次请求实例设定Prompt信息的时候，这些信息将**只会在下一次请求时传递给模型**，当请求完成后，这些信息就会被清除掉，不再保留。
- `agent.set_request_prompt(<基础指令名>, <value>)`
- `agent.get_request_prompt(<基础指令名>)`
- `agent.remove_request_prompt(<基础指令名>)`
在我们之前提供的Agent指令中，通过Agent能力插件提供的方法，例如Role插件提供的`.set_role()`方法，就使用了类似`.set_agent_prompt()`的设定方法。因此，通过`.set_role()`方法设定的信息将在多次请求间保留。
而基础指令如`.input()`、`.instruct()`、`.output()`则使用了类似`.set_request_prompt()`的设定方法。因此，通过`.input()`这些方法设定的信息，在当次请求（以`.start()`命令为标志）结束后，这些信息就被清理了，下次请求时需要重新设定。
阅读[框架开发教程 - 基础指令列表](http://www.agently.tech/guide.html#_9)了解我们支持的基础指令
功能升级
- `[Agently Workflow]`: 做了大量让复杂工作流更加稳定可靠的优化。[查看详情](https://github.com/Maplemx/Agently/pull/64)
- `[框架核心]`: 重命名了基础Prompt槽位，让它们能和基础指令名保持一致。[查看详情](https://github.com/Maplemx/Agently/commit/3303aa1f7083d3ac9ddcc744f40c4adc56610939)
- `[Facility]`: 使用`Agently.lib`作为`Agently.facility`的别名，方便使用。
- `[工具: 网页浏览browse]`: 移除了对newspaper3k包的依赖，并使用BeautifulSoup4包作为浏览工具替代 [查看详情](https://github.com/Maplemx/Agently/commit/df8c69a990578ec064a3c69d15ba185623d67100)
问题修复
- `[请求插件: OpenAI]`: 修复了会导致在使用代理Proxy的时候报`await can not use on response`的错误的问题 [查看详情](https://github.com/Maplemx/Agently/commit/7643cfe159f57ee05afd55a23fbe2b594a556d53)
- `[请求插件: OAIClient]`: 修复了代理Proxy无法生效的问题 [查看详情](https://github.com/Maplemx/Agently/commit/7643cfe159f57ee05afd55a23fbe2b594a556d53)
- `[请求插件: OAIClient]`: 修复了一个导致system prompt无法正常工作的问题 [查看详情](https://github.com/Maplemx/Agently/commit/1f9d275c9c415b5eef439b95f796bb617164b0cf)
- `[Agent能力插件: Tool]`: 修复了一个因为重命名Prompt槽位导致的工具调用无法生效的问题 [查看详情](https://github.com/Maplemx/Agently/commit/48b80f85c8690e94658e5795e9191a643f663ac3)