Qwen-Agent：阿里通义开源 AI Agent 应用开发框架，支持构建多智能体，具备自动记忆上下文等能力

功能：支持指令遵循、工具使用、记忆能力、函数调用、代码解释器和多代理框架。技术：基于大语言模型（LLM）、工具集成、智能代理架构和 RAG 算法。应用：适用于客户服务、个人助理、教育学习、内容创作、技术支持和数据分析等场景。Qwen-Agent 是基于通义千问模型（Qwen）的开源 Agent 开发框架，支持开发者利用 Qwen 模型的指令遵循、工具使用、规划和记忆能力构建智能代理应用。Qwen-

程序员笑武

1220人浏览 · 2024-12-30 21:15:46

程序员笑武 · 2024-12-30 21:15:46 发布

🚀 快速阅读

功能：支持指令遵循、工具使用、记忆能力、函数调用、代码解释器和多代理框架。
技术：基于大语言模型（LLM）、工具集成、智能代理架构和 RAG 算法。
应用：适用于客户服务、个人助理、教育学习、内容创作、技术支持和数据分析等场景。

正文（附运行示例）

Qwen-Agent 是什么

Qwen-Agent 是基于通义千问模型（Qwen）的开源 Agent 开发框架，支持开发者利用 Qwen 模型的指令遵循、工具使用、规划和记忆能力构建智能代理应用。Qwen-Agent 支持函数调用、代码解释器和 RAG（检索增强生成）等功能，能够处理从 8K 到 100 万 tokens 的文档，超越传统长上下文模型。

Qwen-Agent 提供了大模型和工具的原子组件，以及智能体的高级抽象组件，使开发者能够快速开发和部署复杂的 AI 代理应用。无论是构建客户服务机器人、个人助理，还是进行内容创作和数据分析，Qwen-Agent 都能提供强大的支持。

Qwen-Agent 的主要功能

指令遵循：Qwen-Agent 能理解和执行用户的指令。
工具使用：支持智能体调用外部工具完成任务。
记忆能力：Qwen-Agent 具备记忆上下文的能力，能在对话中保持状态。
函数调用：支持智能体调用预定义的函数或 API。
代码解释器：内置代码解释器，支持智能体执行和解释代码。
多代理框架：支持构建和管理多个智能代理。

Qwen-Agent 的技术原理

大语言模型（LLM）：基于大型预训练语言模型，如 Qwen，处理复杂的语言任务。
工具集成：集成各种工具，包括 API、脚本或外部程序，智能体。
智能代理架构：用智能代理架构，智能体能继承自 Agent 类，实现具体的应用逻辑。
RAG 算法：用 RAG 算法处理长文档，将文档分割成小块，保留最相关的部分，提升上下文处理能力。

如何运行 Qwen-Agent

安装

`pip install -U "qwen-agent[gui,rag,code_interpreter,python_executor]"   # 或者使用 `pip install -U qwen-agent` 安装最小依赖。   `

开发自定义 Agent

以下示例展示了如何创建一个能够读取 PDF 文件并使用工具的 Agent：

`import pprint   import urllib.parse   import json5   from qwen_agent.agents import Assistant   from qwen_agent.tools.base import BaseTool, register_tool      # 步骤 1（可选）：添加自定义工具 `my_image_gen`   @register_tool('my_image_gen')   class MyImageGen(BaseTool):       description = 'AI 绘画（图像生成）服务，输入文本描述，返回基于文本信息绘制的图像 URL。'       parameters = [{           'name': 'prompt',           'type': 'string',           'description': '所需图像内容的详细描述，使用英文',           '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)      # 步骤 2：配置使用的 LLM   llm_cfg = {       'model': 'qwen-max',       'model_server': 'dashscope',       'generate_cfg': {           'top_p': 0.8       }   }      # 步骤 3：创建 Agent   system_instruction = '''你是一个有用的助手。   在收到用户的请求后，你应该：   - 首先绘制图像并获取图像 URL，   - 然后运行代码 `request.get(image_url)` 下载图像，   - 最后从给定的文档中选择一个图像操作来处理图像。   请使用 `plt.show()` 显示图像。'''   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)      # 步骤 4：运行 Agent   messages = []   whileTrue:       query = input('用户查询: ')       messages.append({'role': 'user', 'content': query})       response = []       for response in bot.run(messages=messages):           print('助手响应:')           pprint.pprint(response, indent=2)       messages.extend(response)   `

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

在这里插入图片描述