tribe下載 - tribe源代碼下載

tribe

其他源碼

v0.7.6

下載

部落AI

迅速建立和協調多代理團隊的低代碼工具

旅行計劃團隊

在幾分鐘之內，以簡單的拖放來建立一個這樣的多代理團隊！？

目錄
什麼是部落？
哪些用例？
亮點
如何開始
- 生成秘密鍵
- 用Docker本地部署部落（最簡單的方式）
- 在遠程服務器上部署部落
指南和概念
- 順序與分層工作流程
  - 順序工作流程
  - 分層工作流程
- 技能
  - 使用技能定義創建技能
  - 使用Langchain編寫自定義技能
- 檢索增強發電（RAG）
  - 定制嵌入模型
- 使用開源模型
  - 使用Ollama使用開源模型
  - 選擇正確的型號
  - 使用沒有Ollama的開源模型
- 嚮導
  - 創建您的第一個分層團隊
  - 為您的團隊成員提供技能
  - 創建您的第一個順序團隊
  - 在連續工作流程中需要人工批准之前
貢獻
發行說明
執照

警告

該項目目前處於重大發展。請注意，可能會發生重大變化。

什麼是部落？

您是否聽說過這句話：“兩個思想比一個人好”？對於代理商也是如此。部落利用Langgraph框架可以讓您輕鬆自定義和協調代理團隊。通過在不同事物擅長的代理商中分配艱鉅的任務，每個人都可以專注於最擅長的事情。這使得解決問題更快，更好。

哪些用例？

通過合作，代理可以承擔更複雜的任務。以下是他們可以一起做什麼的一些例子：

⚽️足球分析：想像一下一個代理商團隊，一個人在網絡上搜尋最新的英超新聞，而另一個人分析了數據，以在新賽季中對每個團隊的表現撰寫有見地的報告。
？旅行計劃：為了計劃下一個假期，一個代理商可以推薦最好的當地餐館，而另一個代理商可以為您找到最高評價的酒店。該團隊確保您的旅行中的每個部分都涵蓋了。
？‍客戶服務：一個客戶服務團隊，其中一個代理商處理問題，另一個代理人管理投訴，而三分之一負責產品查詢。每個代理商都專門研究不同的領域，使服務更快，更高效。

還有更多！

亮點

持續的對話：保存和維護聊天歷史記錄，使您可以繼續對話。
可觀察性：使用Langsmith實時監視和跟踪代理商的性能和輸出，以確保它們有效運行。
工具調用：使您的代理能夠使用外部工具和API。
檢索增強生成：使您的代理商能夠通過內部知識庫進行推理。
人類在循環中：在工具呼叫之前啟用人類認可。
開源模型：使用開源LLM模型，例如Llama，Gemma和Phi。
將部落與外部應用程序集成：使用Tribe的公共API端點與您的團隊進行交互。
輕鬆部署：使用Docker輕鬆部署部落。
多租戶：管理和支持多個用戶和團隊。

如何開始

部署之前，請確保至少更改以下值：

SECRET_KEY
FIRST_SUPERUSER_PASSWORD
POSTGRES_PASSWORD

您可以（並且應該）將它們作為環境變量傳遞給秘密。

生成秘密鍵

.env文件中的某些環境變量具有changethis的默認值。

您必須使用秘密鍵更改它們，以生成秘密鍵，您可以運行以下命令：

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

複製內容並將其用作密碼 /秘密密鑰。並再次運行以生成另一個安全密鑰。

用Docker本地部署部落（最簡單的方式）

在您的本地機器上起床並在幾分鐘內開始。

在遠程服務器上部署部落

在您的遠程服務器上部署部落。

指南和概念

順序與分層工作流程

順序工作流程

在連續工作流程中，您的代理人以有序的順序排列並接一個地執行任務。每個任務都可以取決於上一個任務。如果您想以確定性的順序完成任務，這將很有用。

如果以下方式使用此此事：

您的項目具有明確的逐步任務。
一項任務的結果會影響下一個任務。
您更喜歡直接且可預測的執行順序。
您需要確保按特定順序執行任務。

分層工作流程

在層次結構工作流程中，您的代理人被組織成一個像“團隊負責人”，“團隊成員”甚至其他“團隊領導者”組成的團隊式結構。團隊負責人將任務分解為較小的任務，並將其委派給其團隊成員。團隊成員完成這些任務後，他們的響應將傳遞給團隊負責人，然後選擇將響應歸還給用戶或委派更多任務。

如果以下方式使用此此事：

您的任務是複雜且多方面的。
您需要專門的代理來處理不同的子任務。
任務委託和重新評估對於您的工作流程至關重要。
您需要在任務管理方面的靈活性和更改的適應性。

技能

技能是您可以為代理商配備與世界互動的能力。例如，您可以為您的代理提供檢查當前天氣狀況的技能，或搜索網絡以獲取最新消息。默認情況下，部落提供三種技能：

DuckDuckgo-Search ：執行Web搜索。
Wikipedia ：搜索Wikipedia以獲取信息。
Yahoo Finance ：從Yahoo Finance News檢索信息。

您可能想創建自定義技能，可以通過兩種方式完成：通過將功能定義用於簡單的HTTP請求或在代碼庫中編寫自定義技能。

使用技能定義創建技能

如果您的技能涉及執行HTTP請求以獲取或更新數據，則使用技能定義是最簡單的方法。在部落中，首先要導航到“技能”標籤，然後單擊“添加技能”按鈕。然後，您將提示您提供技能定義，該定義指示您的代理商如何執行特定技能。該定義應如下：

{
  "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 " ]
    }
  }
}

鑰匙	描述
`url`	API調用的端點URL。
`method`	用於請求的HTTP方法。它可以`GET` ， `POST` ， `PUT` ， `PATCH`或`DELETE` 。
`headers`	任何HTTP標頭要包含在請求中。
`function`	包含有關該技能的詳細信息：
`function > name`	技能的名稱。遵循以下規則：僅允許字母（AZ，AZ），數字（0-9），下劃線（_）和連字符（ - ）；必須長1到64個字符。
`function > description`	描述了通知代理商使用的技能。
`function > parameters`	有關API接受的參數的詳細信息。
`properties > param`	查詢或身體參數的名稱。對於`GET`方法，這將是一個查詢參數。對於`POST` ， `PUT` ， `PATCH`和`DELETE` ，它將在請求主體中。
`param > type`	指定參數的類型，可以是`string` ， `number` ， `integer`或`boolean` 。
`param > description`	提供有關參數目的的上下文。
`param > enum`	可選地，包括一個數組來限制代理以從預定義值中選擇。
`parameters > required`	列出所需的參數，以確保它們始終包含在API請求中。

使用Langchain編寫自定義技能

對於更複雜的任務，超出了簡單的HTTP請求，Langchain使您可以開發更高級的工具。您可以將這些工具添加到managed_skills字典中，將這些工具集成到部落中。有關實際示例，請參閱演示計算器工具。要了解如何創建Langchain工具，請諮詢他們的文檔。

創建新工具後，重新啟動應用程序，以確保將工具正確加載到數據庫中。同樣，如果您需要刪除工具，只需將其從managed_skills字典中刪除，然後重新啟動應用程序，以確保將其從數據庫中刪除。請注意，創建的工具可供您應用程序中的所有用戶使用。

檢索增強發電（RAG）

抹布是一種通過其他數據來增強代理商知識的技術。代理商可以推斷出廣泛的主題，但是他們的知識僅限於公共數據，直到他們接受培訓的時間點。如果您希望代理商對私人數據進行推論，則Tribe允許您上傳數據並選擇要在代理商的知識庫中包含的數據。這使您的代理商能夠使用所選數據進行推理，並允許您創建具有專業知識的不同代理。

定制嵌入模型

默認情況下，Tribe使用BAAI/bge-small-en-v1.5 ，這是一種輕巧且快速的英語嵌入模型，比OpenAI Ada-002更好。如果您的文檔是多語言或需要嵌入圖像，則可能需要使用另一個嵌入模型。您可以通過更改.env文件中的DENSE_EMBEDDING_MODEL來輕鬆執行此操作：

 # 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

如果您現有的新嵌入模型具有不同的矢量尺寸，則可能需要重新創建QDRANT集合。您可以通過http://qdrant.localhost/dashboard刪除QDRANT儀表板的集合。因此，最好提前計劃哪種嵌入模型最適合您的工作流程。

使用開源模型

開源模型變得更便宜，更容易運行，有些甚至與封閉模型的性能相匹配。您可能更喜歡將它們用於其隱私和成本收益。如果您在本地運行部落並想使用開源模型，我建議Ollama易於使用。

使用Ollama使用開源模型

安裝Ollama：首先，在設備上設置Ollama。您可以在Ollama的回購中找到說明。
下載模型：從Ollama下載您的首選模型
配置您的代理：
- 將代理商的提供商更新為ollama 。
- 將下載的模型名稱（例如llama3.1:8b ）粘貼到模型輸入字段中。
- 默認情況下，Tribe將在http://host.docker.internal:11434上運行，該映射到https://localhost:11434 。這種設置使部落能夠與默認的Ollama主機進行通信。如果您的設置使用其他主機，請在“基本URL”輸入字段中指定新主機。

選擇正確的型號

Ollama庫中有數百種開源模型，適用於不同的任務。這是為您的用例選擇合適的方法：

工具調用模型：如果您打算為代理配備特定技能，請使用Llama3.1 ， Mistral Nemo ， Firefunction V2或Command-R +等模型以及支持工具調用的其他模型。
對於創意，推理和其他任務：您具有更大的靈活性。您可以堅持使用工具呼叫的模型，也可以考慮諸如gemma2或phi3之類的模型。