tribe下载 - tribe源代码下载

tribe

其他源码

v0.7.6

下载

部落AI

迅速建立和协调多代理团队的低代码工具

旅行计划团队

在几分钟之内，以简单的拖放来建立一个这样的多代理团队！？

目录
什么是部落？
哪些用例？
亮点
如何开始
- 生成秘密键
- 用Docker本地部署部落（最简单的方式）
- 在远程服务器上部署部落
指南和概念
- 顺序与分层工作流程
  - 顺序工作流程
  - 分层工作流程
- 技能
  - 使用技能定义创建技能
  - 使用Langchain编写自定义技能
- 检索增强发电（RAG）
  - 定制嵌入模型
- 使用开源模型
  - 使用Ollama使用开源模型
  - 选择正确的型号
  - 使用没有Ollama的开源模型
- 向导
  - 创建您的第一个分层团队
  - 为您的团队成员提供技能
  - 创建您的第一个顺序团队
  - 在连续工作流程中需要人工批准之前
贡献
发行说明
执照

警告

该项目目前处于重大发展。请注意，可能会发生重大变化。

什么是部落？

您是否听说过这句话：“两个思想比一个人好”？对于代理商也是如此。部落利用Langgraph框架可以让您轻松自定义和协调代理团队。通过在不同事物擅长的代理商中分配艰巨的任务，每个人都可以专注于最擅长的事情。这使得解决问题更快，更好。

哪些用例？

通过合作，代理可以承担更复杂的任务。以下是他们可以一起做什么的一些例子：

⚽️足球分析：想象一下一个代理商团队，一个人在网络上搜寻最新的英超新闻，而另一个人分析了数据，以在新赛季中对每个团队的表现撰写有见地的报告。
？旅行计划：为了计划下一个假期，一个代理商可以推荐最好的当地餐馆，而另一个代理商可以为您找到最高评价的酒店。该团队确保您的旅行中的每个部分都涵盖了。
？‍客户服务：一个客户服务团队，其中一个代理商处理问题，另一个代理人管理投诉，而三分之一负责产品查询。每个代理商都专门研究不同的领域，使服务更快，更高效。

还有更多！

亮点

持续的对话：保存和维护聊天历史记录，使您可以继续对话。
可观察性：使用Langsmith实时监视和跟踪代理商的性能和输出，以确保它们有效运行。
工具调用：使您的代理能够使用外部工具和API。
检索增强生成：使您的代理商能够通过内部知识库进行推理。
人类在循环中：在工具呼叫之前启用人类认可。
开源模型：使用开源LLM模型，例如Llama，Gemma和Phi。
将部落与外部应用程序集成：使用Tribe的公共API端点与您的团队进行交互。
轻松部署：使用Docker轻松部署部落。
多租户：管理和支持多个用户和团队。

如何开始

部署之前，请确保至少更改以下值：

SECRET_KEY
FIRST_SUPERUSER_PASSWORD
POSTGRES_PASSWORD

您可以（并且应该）将它们作为环境变量传递给秘密。

生成秘密键

.env文件中的某些环境变量具有changethis的默认值。

您必须使用秘密键更改它们，以生成秘密键，您可以运行以下命令：

python -c " import secrets; print(secrets.token_urlsafe(32)) "

复制内容并将其用作密码 /秘密密钥。并再次运行以生成另一个安全密钥。

用Docker本地部署部落（最简单的方式）

在您的本地机器上起床并在几分钟内开始。

在远程服务器上部署部落

在您的远程服务器上部署部落。

指南和概念

顺序与分层工作流程

顺序工作流程

在连续工作流程中，您的代理人以有序的顺序排列并接一个地执行任务。每个任务都可以取决于上一个任务。如果您想以确定性的顺序完成任务，这将很有用。

如果以下方式使用此此事：

您的项目具有明确的逐步任务。
一项任务的结果会影响下一个任务。
您更喜欢直接且可预测的执行顺序。
您需要确保按特定顺序执行任务。

分层工作流程

在层次结构工作流程中，您的代理人被组织成一个像“团队负责人”，“团队成员”甚至其他“团队领导者”组成的团队式结构。团队负责人将任务分解为较小的任务，并将其委派给其团队成员。团队成员完成这些任务后，他们的响应将传递给团队负责人，然后选择将响应归还给用户或委派更多任务。

如果以下方式使用此此事：

您的任务是复杂且多方面的。
您需要专门的代理来处理不同的子任务。
任务委托和重新评估对于您的工作流程至关重要。
您需要在任务管理方面的灵活性和更改的适应性。

技能

技能是您可以为代理商配备与世界互动的能力。例如，您可以为您的代理提供检查当前天气状况的技能，或搜索网络以获取最新消息。默认情况下，部落提供三种技能：

DuckDuckgo-Search ：执行Web搜索。
Wikipedia ：搜索Wikipedia以获取信息。
Yahoo Finance ：从Yahoo Finance News检索信息。

您可能想创建自定义技能，可以通过两种方式完成：通过将功能定义用于简单的HTTP请求或在代码库中编写自定义技能。

使用技能定义创建技能

如果您的技能涉及执行HTTP请求以获取或更新数据，则使用技能定义是最简单的方法。在部落中，首先要导航到“技能”标签，然后单击“添加技能”按钮。然后，您将提示您提供技能定义，该定义指示您的代理商如何执行特定技能。该定义应如下：

{
  "url" : " https://example.com " ,
  "method" : " GET " ,
  "headers" : {},
  "type" : " function " ,
  "function" : {
    "name" : " Your skill name " ,
    "description" : " Your skill description " ,
    "parameters" : {
      "type" : " object " ,
      "properties" : {
        "param1" : {
          "type" : " integer " ,
          "description" : " Description of the first parameter "
        },
        "param2" : {
          "type" : " string " ,
          "enum" : [ " option1 " ],
          "description" : " Description of the second parameter "
        }
      },
      "required" : [ " param1 " , " param2 " ]
    }
  }
}

钥匙	描述
`url`	API调用的端点URL。
`method`	用于请求的HTTP方法。它可以`GET` ， `POST` ， `PUT` ， `PATCH`或`DELETE` 。
`headers`	任何HTTP标头要包含在请求中。
`function`	包含有关该技能的详细信息：
`function > name`	技能的名称。遵循以下规则：仅允许字母（AZ，AZ），数字（0-9），下划线（_）和连字符（ - ）；必须长1到64个字符。
`function > description`	描述了通知代理商使用的技能。
`function > parameters`	有关API接受的参数的详细信息。
`properties > param`	查询或身体参数的名称。对于`GET`方法，这将是一个查询参数。对于`POST` ， `PUT` ， `PATCH`和`DELETE` ，它将在请求主体中。
`param > type`	指定参数的类型，可以是`string` ， `number` ， `integer`或`boolean` 。
`param > description`	提供有关参数目的的上下文。
`param > enum`	可选地，包括一个数组来限制代理以从预定义值中选择。
`parameters > required`	列出所需的参数，以确保它们始终包含在API请求中。

使用Langchain编写自定义技能

对于更复杂的任务，超出了简单的HTTP请求，Langchain使您可以开发更高级的工具。您可以将这些工具添加到managed_skills字典中，将这些工具集成到部落中。有关实际示例，请参阅演示计算器工具。要了解如何创建Langchain工具，请咨询他们的文档。

创建新工具后，重新启动应用程序，以确保将工具正确加载到数据库中。同样，如果您需要删除工具，只需将其从managed_skills字典中删除，然后重新启动应用程序，以确保将其从数据库中删除。请注意，创建的工具可供您应用程序中的所有用户使用。

检索增强发电（RAG）

抹布是一种通过其他数据来增强代理商知识的技术。代理商可以推断出广泛的主题，但是他们的知识仅限于公共数据，直到他们接受培训的时间点。如果您希望代理商对私人数据进行推论，则Tribe允许您上传数据并选择要在代理商的知识库中包含的数据。这使您的代理商能够使用所选数据进行推理，并允许您创建具有专业知识的不同代理。

定制嵌入模型

默认情况下，Tribe使用BAAI/bge-small-en-v1.5 ，这是一种轻巧且快速的英语嵌入模型，比OpenAI Ada-002更好。如果您的文档是多语言或需要嵌入图像，则可能需要使用另一个嵌入模型。您可以通过更改.env文件中的DENSE_EMBEDDING_MODEL来轻松执行此操作：

 # See the list of supported models: https://qdrant.github.io/fastembed/examples/Supported_Models/
DENSE_EMBEDDING_MODEL=BAAI/bge-small-en-v1.5 # Change this

警告

如果您现有的新嵌入模型具有不同的矢量尺寸，则可能需要重新创建QDRANT集合。您可以通过http://qdrant.localhost/dashboard删除QDRANT仪表板的集合。因此，最好提前计划哪种嵌入模型最适合您的工作流程。

使用开源模型

开源模型变得更便宜，更容易运行，有些甚至与封闭模型的性能相匹配。您可能更喜欢将它们用于其隐私和成本收益。如果您在本地运行部落并想使用开源模型，我建议Ollama易于使用。

使用Ollama使用开源模型

安装Ollama：首先，在设备上设置Ollama。您可以在Ollama的回购中找到说明。
下载模型：从Ollama下载您的首选模型
配置您的代理：
- 将代理商的提供商更新为ollama 。
- 将下载的模型名称（例如llama3.1:8b ）粘贴到模型输入字段中。
- 默认情况下，Tribe将在http://host.docker.internal:11434上运行，该映射到https://localhost:11434 。这种设置使部落能够与默认的Ollama主机进行通信。如果您的设置使用其他主机，请在“基本URL”输入字段中指定新主机。

选择正确的型号

Ollama库中有数百种开源模型，适用于不同的任务。这是为您的用例选择合适的方法：

工具调用模型：如果您打算为代理配备特定技能，请使用Llama3.1 ， Mistral Nemo ， Firefunction V2或Command-R +等模型以及支持工具调用的其他模型。
对于创意，推理和其他任务：您具有更大的灵活性。您可以坚持使用工具呼叫的模型，也可以考虑诸如gemma2或phi3之类的模型。