14.8k Star！CrewAI：部署一支由你指挥的人工智能代理大军，股票分析、发布帖子、支持Ollama！

from langchain.chat_models import ChatOpenAI

llm = ChatOpenAI(model='gpt-3.5') # 加载 GPT-3.5

def local_expert(self):
    return Agent(
      role='最佳金融分析师',
      goal="""以您的财务数据和市场趋势分析
      给所有客户留下深刻印象""",
      backstory="""最有经验的金融分析师，拥有丰富的股票市场分析和
      投资策略经验，正在为一个非常重要的客户工作。""",
      verbose=True,
      llm=llm, # <----- 在这里传递我们的 llm 引用
      tools=[
        BrowserTools.scrape_and_summarize_website,
        SearchTools.search_internet,
        CalculatorTools.calculate,
        SECTools.search_10q,
        SECTools.search_10k
      ]
    )

from langchain.llms import Ollama
ollama_openhermes = Ollama(model="openhermes")
# 将 Ollama 模型传递给代理：在 CrewAI 框架内创建代理时，您可以将 Ollama 模型作为参数传递给代理构造函数。例如：

def local_expert(self):
    return Agent(
      role='最佳金融分析师',
      goal="""以您的财务数据和市场趋势分析
      给所有客户留下深刻印象""",
      backstory="""最有经验的金融分析师，拥有丰富的股票市场分析和
      投资策略经验，正在为一个非常重要的客户工作。""",
      verbose=True,
      llm=ollama_openhermes, # 在这里传递 Ollama 模型
      tools=[
        BrowserTools.scrape_and_summarize_website,
        SearchTools.search_internet,
        CalculatorTools.calculate,
        SECTools.search_10q,
        SECTools.search_10k
      ]
    )

pip install crewai

pip install 'crewai[tools]'

import os
from crewai import Agent, Task, Crew, Process
from crewai_tools import SerperDevTool

os.environ["OPENAI_API_KEY"] = "YOUR_API_KEY"
os.environ["SERPER_API_KEY"] = "Your Key" # serper.dev API key

# 您可以选择通过Ollama使用本地模型。更多信息请参阅https://docs.crewai.com/how-to/LLM-Connections/

# os.environ["OPENAI_API_BASE"] = 'http://localhost:11434/v1'
# os.environ["OPENAI_MODEL_NAME"] ='openhermes'  # 根据可用模型进行调整
# os.environ["OPENAI_API_KEY"] ='sk-111111111111111111111111111111111111111111111111'

# 您可以传递一个可选的llm属性来指定您想要使用的模型。
# 它可以是通过Ollama / LM Studio的本地模型，或是远程模型
# 如OpenAI、Mistral、Antrophic等（https://docs.crewai.com/how-to/LLM-Connections/）
#
# import os
# os.environ['OPENAI_MODEL_NAME'] = 'gpt-3.5-turbo'
#
# 或
#
# from langchain_openai import ChatOpenAI

search_tool = SerperDevTool()

# 定义具有角色和目标的代理
researcher = Agent(
  role='高级研究分析师',
  goal='发现AI和数据科学的最新发展',
  backstory="""你在一家领先的科技智库工作。
  你的专长在于识别新兴趋势。
  你擅长解析复杂数据并提出可行的见解。""",
  verbose=True,
  allow_delegation=False,
  # 您可以传递一个可选的llm属性来指定您想要使用的模型。
  # llm=ChatOpenAI(model_name="gpt-3.5", temperature=0.7),
  tools=[search_tool]
)
writer = Agent(
  role='科技内容策划师',
  goal='撰写引人入胜的科技进展内容',
  backstory="""你是一位著名的内容策划师，以洞察力和引人入胜的文章而闻名。
  你将复杂概念转化为引人入胜的叙述。""",
  verbose=True,
  allow_delegation=True
)

# 为你的代理创建任务
task1 = Task(
  description="""对2024年AI的最新进展进行全面分析。
  识别关键趋势、突破性技术及潜在行业影响。""",
  expected_output="要点形式的完整分析报告",
  agent=researcher
)

task2 = Task(
  description="""利用提供的见解，撰写一篇引人入胜的博客
  文章，突出最重要的AI进展。
  你的文章应该既信息丰富又易于理解，面向技术精通的观众。
  使其听起来很酷，避免使用复杂的词汇以免听起来像AI。""",
  expected_output="至少四段的完整博客文章",
  agent=writer
)

# 用顺序流程实例化你的crew
crew = Crew(
  agents=[researcher, writer],
  tasks=[task1, task2],
  verbose=2, # 您可以设置为1或2以不同的日志记录级别
)

# 让你的crew开始工作吧！
result = crew.kickoff()

print("######################")
print(result)

poetry lock
poetry install

poetry shell

pre-commit install

poetry run pytest

poetry run mypy

poetry build

pip install dist/*.tar.gz