欢迎光临
我们一直在努力

提升工作效率的全能助手——Qwen-Agent

Qwen-Agent:构建智能应用的强大框架

Qwen-Agent 是一个基于Qwen指令跟随能力、工具使用、规划和记忆能力的框架,用于开发大语言模型(LLM)应用。它支持多种功能,包括函数调用、MCP(模型上下文协议)、代码解释器、RAG(检索增强生成)、Chrome扩展等。此外,Qwen-Agent 也包含了多个示例应用程序,如:浏览助手(Browser Assistant)、代码解释器(Code Interpreter)和自定义助手。

项目背景与功能亮点

Qwen-Agent 作为 Qwen Chat 的后端,为用户提供了高级的智能助手体验。以下是该项目的一些引人注目的功能和应用场景:

  • 函数调用(Function Calling):支持通过调用内置函数来扩展生成的能力,能够处理复杂的请求。
  • 多功能集成:通过MCP,用户可以高效集成不同的工具,进行多种操作。
  • 代码解释器(Code Interpreter):支持安全地执行代码,能够处理用户指定的技术请求。
  • RAG支持:通过检索增强生成技术,提高对超长文档的问答能力,使其在复杂信息处理上表现得更为出色。
  • 用户友好的GUI界面:支持快速部署的Gradio界面,方便用户与助手互动。
  • 开始使用

    安装

    要开始使用 Qwen-Agent,您可以从 PyPI 安装稳定版本:

    pip install -U "qwen-agent[gui,rag,code_interpreter,mcp]"

    如果只希望安装最小需求,可以使用:

    pip install -U qwen-agent

    也可以从源码安装最新的开发版本:

    git clone https://github.com/QwenLM/Qwen-Agent.git
    cd Qwen-Agent
    pip install -e ./"[gui,rag,code_interpreter,mcp]"

    模型服务准备

    您可以选择使用阿里云的 DashScope 提供的模型服务,或者使用开源的 Qwen 模型自行部署服务。若选择 DashScope,请确保设置环境变量 DASHSCOPE_API_KEY 为您的唯一 API 密钥。

    开发自定义代理

    Qwen-Agent 提供了原子组件如 LLM 和工具,使开发自定义代理变得简单。

    以下是创建一个可读取PDF文件和利用工具的代理的示例:

    import pprint
    import urllib.parse
    import json5
    from qwen_agent.agents import Assistant
    from qwen_agent.tools.base import BaseTool, register_tool
    from qwen_agent.utils.output_beautify import typewriter_print

    @register_tool('my_image_gen')
    class MyImageGen(BaseTool):
    description = 'AI绘画服务,根据文本描述生成图像的URL。'
    parameters = [{
    'name': 'prompt',
    'type': 'string',
    'description': '期望图像内容的详细描述(英文)',
    'required': True
    }]

    def call(self, params: str, **kwargs) –> str:
    prompt = json5.loads(params)['prompt']
    prompt = urllib.parse.quote(prompt)
    return json5.dumps({'image_url': f'https://image.pollinations.ai/prompt/{prompt}'}, ensure_ascii=False)

    llm_cfg = {
    'model': 'qwen-max-latest',
    'model_type': 'qwen_dashscope',
    }

    system_instruction = '''在接收用户请求后,你应该:
    – 首先绘制一张图像并获取图像URL,
    – 然后运行代码 `request.get(image_url)` 下载图像,
    – 最后选择给定文档中的图像操作进行处理。'''

    tools = ['my_image_gen', 'code_interpreter']
    files = ['./examples/resource/doc.pdf']
    bot = Assistant(llm=llm_cfg, system_message=system_instruction, function_list=tools, files=files)

    messages = []
    while True:
    query = input('\\n用户查询: ')
    messages.append({'role': 'user', 'content': query})
    response = []
    response_plain_text = ''
    print('助手回应:')
    for response in bot.run(messages=messages):
    response_plain_text = typewriter_print(response, response_plain_text)
    messages.extend(response)

    使用代码解释器工具

    Qwen-Agent 提供的代码解释器工具基于 Docker 容器环境,可以在一个安全的沙箱中编写和执行代码。使用此工具前,请确保您的操作系统已安装并运行 Docker。

    应用示例:BrowserQwen

    BrowserQwen 是一个构建在 Qwen-Agent 之上的浏览器助手,允许用户在浏览网页时与智能助手互动。关于其详细信息,请参考 文档。

    结尾

    Qwen-Agent 作为一个强大的框架,支持用户快速构建出多样化的 LLM 应用,适用于各类场景,如智能客服、自动化办公、教育工具等。在与用户的互动中,持续优化与扩展其能力,使其成为高效的智能助手。

    同类项目对比

    LangChain

    LangChain 是一个与 Qwen-Agent 类似的工具,专注于构建应用于大语言模型的框架,提供一系列现成组件来简化大模型应用程序的开发。

    Haystack

    Haystack 允许用户构建问答系统,尤其关注信息检索,支持 RAG 模式和文档存储。

    OpenAI GPT-3

    尽管 GPT-3 是一个更为通用的预训练模型,但其也可以通过提供 API 接口与其他工具结合,支持多种应用场景。

    总之,Qwen-Agent 在功能的丰富性、灵活性和用户体验上都有其独特的优势。

    赞(0)
    未经允许不得转载:171主机测评 » 提升工作效率的全能助手——Qwen-Agent
    分享到: 更多 (0)

    评论 抢沙发

    • 昵称 (必填)
    • 邮箱 (必填)
    • 网址