跳到主要内容

🟢 生产力Agent案例盘点

😀 一个月过去🚀，awesome-ai-agents上新增了20多个Agents，这次我们决定按照不同的分类，从生产力💪，设计🧑‍🎨，平台搭建🏠，编程🧑‍💻等多个领域盘点有趣的Agents，让大家体验一下gpts时代开源社区的Agents发展🏃

数据处理Agent: Adala​

Adala是一个专注于数据处理的自动化代理框架，尤其擅长多样化的数据标记任务。这些代理能够通过迭代学习独立获得技能，学习过程受到操作环境、观察和反思的影响。

Adala's data processing capabilities

Adala's integration with external frameworks

从图中我们可以看到，可以通过链接一些外部的框架，例如huggingface，进行分类任务后将标签打在对应的records上，并且循环操作。

  1. Adala的优势：
    • 可靠性：代理基于基准数据构建，提供一致且可信的结果。
    • 可控输出：用户可以配置输出，设定具有不同灵活度的特定约束。
    • 专业于数据处理：代理不仅擅长多样化的数据标记任务，还可以定制用于广泛的数据处理需求。
    • 自主学习：智能体通过观察和反思而进化，而不仅仅是自动化。代理具有智能化的迭代独立学习能力。
    • 灵活且可扩展的运行时：单一技能可以跨多个运行时部署，支持学生/教师架构等动态场景。
  2. 适用对象：
    • AI工程师：构建和设计AI代理系统。
    • 机器学习研究者：实验复杂问题分解和因果推理。
    • 数据科学家：应用代理进行数据的预处理和后处理。
    • 教育工作者和学生：作为教学工具或高级项目和研究的基础。
  3. 安装和配置：
    • 方法1: pip install adala。
    • 方法2: pip install git+https://github.com/HumanSignal/Adala.git。
    • 设置OPENAI_API_KEY。
  4. 可用技能：
    • 包括文本分类、文本概括、问题回答、翻译、文本生成等。
  5. 未来发展路线图：
    • 在Google Colab上运行笔记本示例、多任务学习、计算和存储顶级代理指标、创建命名实体识别技能、命令行工具、REST API交互以及视觉和多模式代理技能。

项目地址：https://github.com/HumanSignal/Adala

自动化工作流程: Questflow（有收益体系💰）​

Questflow 是一个面向无代码的自主人工智能工作者的市场。他们帮助团队和个人发现和部署跨平台自动化的人工智能工作流程，且用户无需编码或 ML 经验。

特点​

  • 与 Upwork 类似，Questflow 提供了一个市场，用户可以利用人工智能代理跨各种数字工作空间完成任务。

Questflow's marketplace interface

  • 创作者有机会将他们的专业知识转化为人工智能代理，扩大他们的影响范围并产生收入。

Questflow's revenue system

使用方法​

使用起来确实很方便，笔者尝试对AI自动爬取并总结新闻pipeline做了实验。

Questflow's drag-and-drop interface

整个流程的搭建类似Figma的卡片拖拽。

Questflow's card options

可选的卡片有例如：什么情况下

trigger

（触发）该动作。以及配置邮箱。

Questflow's pipeline view

运行后可在后台看到该pipeline。

在运行后邮箱果然收到了，类似新闻订阅一样，超酷的！

Questflow's email notification

项目地址：https://v1.questflow.ai/

Sweep 代码批量重构​

这是一个 Github 内置助手，在code review时相当有用，可帮助修复小错误并实现功能。其作者对该应用的定位是AI初级开发工具，可重构和编写Python的单元测试。

Sweep's interface

使用​

安装并使用Sweep非常简单，首先根据项目地址，直接在Github上安装。

Sweep installation

打开一个Github Issue，例如：Sweep: 在Python代码app.py中新加一个feature：

GitHub Issue example

然后Sweep将对代码进行修改，运行，并最后发起一个pull request：

Sweep's pull request

特点​

  • 自动识别最佳的代码重构位置。
  • 自动运行和调试您的代码，直接将问题转换为Pull Request （无需IDE）⚡
  • 处理用户对其PRs的回复和评论
  • 使用依赖图、文本和向量搜索理解代码库。
  • 自动运行单元测试和自动格式化程序以验证生成的代码。
  1. Sweep提示技巧：
    • 使用时，可以提及文件名或函数名来获取特定的帮助。
    • 描述所需的更改或修复，可以选择性地提及实施细节。
    • 提供额外的背景信息，以帮助理解需求，例如参考特定文件中的单元测试示例。
  2. Sweep的限制：
    • 对于超过5000个文件的巨大仓库，Sweep可能无法完全排除所有不相关的文件和目录。在这种情况下，可能需要手动屏蔽一些目录。
    • Sweep不支持大规模的重构工作，例如超过5个文件或300行代码的更改。
    • Sweep不能将整个代码库从Tensorflow重构为PyTorch。
    • Sweep不支持编辑图片和其他非文本资产，例如不能使用标志创建网页的收藏图标。
    • Sweep无法访问外部API，包括获取API令牌。
  3. 支持：
    • 所有用户都有无限制的GPT3.5来发起issue。
    • 每个用户每月开始时获得5个GPT4发起issue，每天可以使用2个GPT-4发起issue。

项目地址：https://github.com/sweepai/sweep/tree/main

我们会持续追踪 Agent 的最新进度，欢迎关注「卡尔的AI沃茨」🧙