English 中文

概述

Promptulate 是由 Cogit Lab 打造的 AI Agent 应用开发框架，它以 Python 式的开发范式，为开发者提供了一种极为简洁高效的构建 Agent 应用的方式。Promptulate 的核心理念是借鉴并整合开源社区的智慧，融合各类开发框架的优点，从而降低开发门槛、统一开发者共识。借助 Promptulate，你可以用最精简的代码操控 LLM、Agent、Tool、RAG 等组件——大多数任务只需几行代码即可轻松完成。🚀

💡 特性

• 🐍 Python 式代码风格：贴合 Python 开发者的习惯，提供 Python 风格的 SDK 调用方式，仅需一个 pne.chat 函数即可封装所有核心功能，让一切尽在掌握。
• 🧠 模型兼容性：支持市面上几乎所有类型的大型模型，并可轻松自定义以满足特定需求。
• 🕵️‍♂️ 多样化 Agent：提供 WebAgent、ToolAgent、CodeAgent 等多种 Agent 类型，具备规划、推理和执行能力，能够应对复杂问题。将 Planner 等组件原子化设计，简化开发流程。
• 🔗 低成本集成：可无缝集成 LangChain 等不同框架中的工具，显著降低集成成本。
• 🔨 函数即工具：可将任意 Python 函数直接转换为 Agent 可使用的工具，简化工具的创建与使用流程。
• 🪝 生命周期与钩子：提供丰富的钩子和完善的生命周期管理机制，允许在 Agent、Tool 和 LLM 的各个阶段插入自定义代码。
• 💻 终端集成：轻松集成应用终端，内置客户端支持，提供快速的提示词调试能力。
• ⏱️ 提示词缓存：为 LLM 提示词提供缓存机制，减少重复工作，提升开发效率。
• 🤖 强大的 OpenAI 封装：通过 pne，你无需再使用 openai sdk，核心功能均可由 pne.chat 替代，并且提供了增强特性以简化开发难度。
• 🧰 Streamlit 组件集成：可快速进行原型开发，提供大量开箱即用的示例及可复用的 Streamlit 组件。

下图展示了 promptulate 的核心架构：

Promptulate 的核心理念在于，我们希望提供一种简单、Python 式且高效的 AI 应用构建方式，这意味着你无需花费大量时间去学习框架本身。我们期望通过 pne.chat() 完成大部分工作，让你仅需几行代码就能轻松搭建任何 AI 应用。

下文中，“pne” 是 Promptulate 的昵称，其中 “p” 和 “e” 分别代表 Promptulate 的首尾字母，“n” 则代表数字 9，象征着 “p” 和 “e” 之间的九个字母。

支持的基模型

Promptulate 集成了 litellm 的能力，支持市面上几乎所有类型的大型模型，包括但不限于以下模型：

提供商	完成	流式传输	异步完成	异步流式传输	异步嵌入	异步图像生成
openai	✅	✅	✅	✅	✅	✅
azure	✅	✅	✅	✅	✅	✅
aws - sagemaker	✅	✅	✅	✅	✅
aws - bedrock	✅	✅	✅	✅	✅
google - vertex_ai [Gemini]	✅	✅	✅	✅
google - palm	✅	✅	✅	✅
google AI Studio - gemini	✅		✅
mistral ai api	✅	✅	✅	✅	✅
cloudflare AI Workers	✅	✅	✅	✅
cohere	✅	✅	✅	✅	✅
anthropic	✅	✅	✅	✅
huggingface	✅	✅	✅	✅	✅
replicate	✅	✅	✅	✅
together_ai	✅	✅	✅	✅
openrouter	✅	✅	✅	✅
ai21	✅	✅	✅	✅
baseten	✅	✅	✅	✅
vllm	✅	✅	✅	✅
nlp_cloud	✅	✅	✅	✅
aleph alpha	✅	✅	✅	✅
petals	✅	✅	✅	✅
ollama	✅	✅	✅	✅
deepinfra	✅	✅	✅	✅
perplexity-ai	✅	✅	✅	✅
Groq AI	✅	✅	✅	✅
anyscale	✅	✅	✅	✅
voyage ai					✅
xinference [Xorbits Inference]					✅

pne 强大的模型支持使您能够轻松构建任何第三方模型调用。

现在让我们看看如何使用 pne 运行 ollama 的本地 llama3 模型。

import promptulate as pne

resp: str = pne.chat(model="ollama/llama2", messages=[{"content": "Hello, how are you?", "role": "user"}])

🌟 2024年5月14日，OpenAI推出了最新的“omni”模型，相比turbo版本在速度和定价上都有所提升。

您可以在任何 promptulate 应用中使用其可用的多模态功能！

import promptulate as pne

messages=[
    {
        "role": "user",
        "content": [
            {"type": "text", "text": "这张图片里有什么？"},
            {
                "type": "image_url",
                "image_url": "https://upload.wikimedia.org/wikipedia/commons/thumb/d/dd/Gfp-wisconsin-madison-the-nature-boardwalk.jpg/2560px-Gfp-wisconsin-madison-the-nature-boardwalk.jpg",
            },
        ],
    }
]
resp = pne.chat(model="gpt-4o", messages=messages)
print(resp)

使用 provider/model_name 调用模型，您可以轻松构建任何第三方模型调用。

如需了解更多模型，请访问 litellm 文档。

您还可以在 入门/官方文档 中查看如何使用 pne.chat()。

📗 相关文档

• 入门/官方文档
• 当前开发计划
• 贡献/开发者手册
• 常见问题解答
• PyPI 仓库

📝 示例

• 使用 pne 构建 Streamlit 聊天机器人

• 使用 pne 构建 Gradio 聊天机器人

• 使用代理构建数学应用

• Groq、llama3、Streamlit 构建应用

• 使用 Streamlit 和 pne 构建知识图谱

• 使用 pne+Streamlit 构建与 GitHub 仓库聊天的机器人

• 使用代理构建数学应用 [Streamlit、ToolAgent、Hooks]

• ROS2 和 Promptulate [Agent] 的多模态机器人代理框架

• 使用 Streamlit 和 pne 比较不同模型的游乐场。[Streamlit]

• gcop：基于 promptulate 的 Git AI 助理

🛠 快速入门

• 打开终端并输入以下命令以安装框架：

pip install -U pne

注意：您的 Python 版本应为 3.8 或更高。

尽管 pne 提供了许多模块，在 90% 的 LLM 应用开发场景中，您只需要使用 pne.chat() 函数即可，因此只需从聊天开始了解 pne 的用法，当需要使用其他模块时，再进一步学习其他模块的功能和使用方法。

类似 OpenAI 的聊天

你可以使用 pne.chat() 来进行类似 OpenAI 的聊天。OpenAI 聊天 API 文档：https://platform.openai.com/docs/api-reference/chat

import promptulate as pne

messages = [
    {"role": "system", "content": "你是一位 helpful assistant。"},
    {"role": "user", "content": "你是谁？"},
]
response: str = pne.chat(messages=messages, model="gpt-4-turbo")
print(response)

替代 OpenAI SDK

许多第三方库会通过 OpenAI SDK 调用其模型，例如 Deepseek。在 pne 中，你可以直接使用 pne.chat() 函数来调用这些模型，无需再使用 OpenAI SDK，并且提供了增强的功能以简化开发难度。只需在模型名称中使用 openai/xxx 前缀，即可调用 OpenAI 的模型。

import os
import promptulate as pne

os.environ["DEEPSEEK_API_KEY"] = "your api key"

messages = [
    {"role": "system", "content": "你是一位 helpful assistant。"},
    {"role": "user", "content": "你好吗？"},
]
response = pne.chat(
    messages=messages,
    model="openai/deepseek-chat",
)
print(response)

结构化输出

强大的输出格式化是构建大模型应用的基础。我们希望大模型能够返回稳定的数据。借助 pne，你可以轻松实现格式化输出。在下面的例子中，我们使用 Pydantic 的 BaseModel 封装了需要返回的数据结构。

from typing import List
import promptulate as pne
from pydantic import BaseModel, Field

class LLMResponse(BaseModel):
    provinces: List[str] = Field(description="省份名称列表")

resp: LLMResponse = pne.chat("请告诉我中国所有的省份。", output_schema=LLMResponse)
print(resp)

输出：

provinces=['安徽', '福建', '甘肃', '广东', '贵州', '海南', '河北', '黑龙江', '河南', '湖北', '湖南', '江苏', '江西', '吉林', '辽宁', '青海', '陕西', '山东', '山西', '四川', '云南', '浙江', '台湾', '广西', '内蒙古', '宁夏', '新疆', '西藏', '北京', '重庆', '上海', '天津', '香港', '澳门']

具有规划、工具使用和反思能力的 Agent

此外，受 Plan-and-Solve 论文启发，pne 还允许开发者构建能够通过规划、推理和行动来处理复杂问题的 Agent。可以通过 enable_plan 参数激活 Agent 的规划能力。

在这个示例中，我们使用 Tavily 作为搜索引擎，它是一款功能强大的网络信息搜索工具。要使用 Tavily，你需要从 Tavily 获取一个 API 密钥。

import os

os.environ["TAVILY_API_KEY"] = "your_tavily_api_key"
os.environ["OPENAI_API_KEY"] = "your_openai_api_key"

在此案例中，我们使用 LangChain 封装的 TavilySearchResults 工具。

from langchain_community.tools.tavily_search import TavilySearchResults

tools = [TavilySearchResults(max_results=5)]

import promptulate as pne

pne.chat("2024 年澳大利亚网球公开赛冠军的家乡是哪里？", model="gpt-4-1106-preview", enable_plan=True)

输出：

[代理] 助理代理开始…
[用户指令] 2024年澳大利亚网球公开赛的冠军家乡是哪里？
[计划] {"goals": ["查找2024年澳大利亚网球公开赛冠军的家乡"], "tasks": [{"task_id": 1, "description": "确定2024年澳大利亚网球公开赛的冠军是谁。"}, {"task_id": 2, "description": "研究已确定的冠军，找出其出生地或家乡。"}, {"task_id": 3, "description": "记录2024年澳大利亚网球公开赛冠军的家乡。"}], "next_task_id": 1}
[代理] 工具代理开始…
[用户指令] 确定2024年澳大利亚网球公开赛的冠军是谁。
[思考] 由于当前日期是2024年3月26日，而澳大利亚网球公开赛通常在1月份举行，因此该赛事很可能已经结束。为了确定冠军，我应该使用Tavily搜索工具来查找关于2024年澳大利亚网球公开赛冠军的最新信息。
[行动] tavily_search_results_json 参数：{'query': '2024年澳大利亚网球公开赛冠军'}
[观察] [{'url': 'https://ausopen.com/articles/news/sinner-winner-italian-takes-first-major-ao-2024', 'content': '这位灵活的右手球员，在他年轻的职业生涯中此前仅一次从落后两盘的情况下逆转取胜。他是继1976年的阿德里亚诺·帕纳塔之后，第二位在大满贯赛事中夺得男单冠军的意大利选手。在击败安德烈·鲁布列夫、十届澳网冠军得主诺瓦克·德约科维奇以及丹尼尔·梅德韦杰夫之后，这位意大利选手成为自1991年温布尔登网球锦标赛上米夏埃尔·施蒂希以来，最年轻的在大满贯赛事最后三场比赛中击败世界排名前五选手的球员——而那时西内尔还未出生。\n他在发球局中凭借一记ACE化解了唯一一次破发危机，并在比分压力的帮助下，通过一记强劲的正手击球迫使经验更丰富的对手出现失误，从而成功破发，将第四盘拿下，将比赛拖入决胜盘。\n当梅德韦杰夫以5比3领先准备拿下第二盘时，西内尔抓住机会，连续打出两记精彩的穿越球，为意大利人创造了破发点，但梅德韦杰夫凭借一贯的耐心化解了这次危机，迫使对手出现正手失误。“我们每天都在努力变得更好，即使在比赛期间，我们也试图变得更强大，更好地理解每一种情况，我很高兴有你们在这里支持我、理解我，尽管有时候这并不容易，因为我确实还很年轻，”他微笑着说道。\n梅德韦杰夫在第二盘的前三个发球局中都顺利保发，给意大利人施加了巨大压力，迫使西内尔发挥出最佳水平，在持续近12分钟的第二局中挽救了四个破发点。'}, {'url': 'https://www.cbssports.com/tennis/news/australian-open-2024-jannik-sinner-claims-first-grand-slam-title-in-epic-comeback-win-over-daniil-medvedev/', 'content': '"\n我们的最新网球新闻\n西内尔史诗般逆转夺冠，赢得澳大利亚网球公开赛\n西内尔和萨巴伦卡分别夺得澳大利亚网球公开赛男女单打冠军\n2024年澳大利亚网球公开赛赔率：西内尔对阵梅德韦杰夫预测\n萨巴伦卡击败郑钦文，赢得2024年澳大利亚网球公开赛\n2024年澳大利亚网球公开赛赔率：萨巴伦卡对阵郑钦文预测\n2024年澳大利亚网球公开赛赔率：梅德韦杰夫对阵兹维列夫预测\n澳大利亚网球公开赛赔率：德约科维奇对阵西内尔预测与投注\n澳大利亚网球公开赛赔率：高芙对阵萨巴伦卡预测与投注\n澳大利亚网球公开赛赔率：郑钦文对阵亚斯特雷姆斯卡预测与投注\n尼克·基里奥斯透露自己正在考虑退役\n© 2004-2024 CBS Interactive。贾尼奇·西内尔在一场史诗般的逆转胜利中首次夺得大满贯冠军，击败丹尼尔·梅德韦杰夫\n现年22岁的西内尔从落后两盘的情况下奋起直追，成为历史上第三位赢得大满贯男子单打冠军的意大利选手\n经过近四个小时的激战，贾尼奇·西内尔最终从落后两盘的局面中逆转，以3比6、3比6、6比4、6比4、6比3的比分战胜丹尼尔·梅德韦杰夫，首次夺得大满贯冠军。西内尔也成为自1976年以来首位赢得澳大利亚网球公开赛男子单打冠军的意大利选手，同时也是第八位在大满贯决赛中成功实现从落后两盘逆转的男子选手。\n在此之前，他从未丢掉过任何一盘，直到与德约科维奇的对决。而这场胜利本身也是一项壮举，因为当时德约科维奇在澳大利亚网球公开赛上保持着33连胜的纪录，并且从未在墨尔本的大满贯半决赛中失利。\n @janniksin • @wwos • @espn • @eurosport • @wowowtennis pic.twitter.com/DTCIqWoUoR\n“我们每天都在努力变好，甚至在比赛期间，也在不断强化自己，尝试更好地理解局势，”西内尔说道。'}, {'url': 'https://www.bbc.com/sport/tennis/68120937', 'content': '实时比分、结果及赛程安排\n提醒：将网球新闻发送到您的手机\n相关主题\n头条新闻\n足总杯：布莱克本流浪者队对阵雷克瑟姆队——文字直播\n俄罗斯滑冰运动员瓦利耶娃因兴奋剂违规被禁赛四年\n与巴塞罗那的联系“完全不属实”——阿尔特塔\nBBC其他内容\n虚假诱骗丑闻背后的真相\n包含未公开的警方录像以及案件核心警官的采访\n他们的父亲和叔叔是否杀害了纳粹战犯？\n一部基于真实事件的谋杀悬疑剧，讲述三兄弟追寻真相的故事\n乘坐最快的飞机是什么体验？\n带您走进协和式超音速客机背后的故事\n有毒的爱情、冷酷的野心与令人震惊的背叛\n《告诉我谎言》讲述了一段充满激情的大学恋情，却带来了难以想象的后果……\n “\n马拉松选手梅德韦杰夫体力耗尽\n梅德韦杰夫是第一位在先赢两盘后最终输掉大满贯决赛的选手\n许多拥有大满贯决赛经验的选手都曾表示，这种场合与其他比赛截然不同，尤其是第一次参加时，可能会让人感到不知所措。\n贾尼奇·西内尔在墨尔本决赛中击败丹尼尔·梅德韦杰夫\n贾尼奇·西内尔是自2008年诺瓦克·德约科维奇以来，最年轻的澳大利亚网球公开赛男子单打冠军\n贾尼奇·西内尔在澳大利亚网球公开赛决赛中上演了一场惊人的逆转，击败丹尼尔·梅德韦杰夫，终于实现了他长期以来的承诺，夺得了大满贯冠军。\n “\n西内尔以出色的状态开启2024年\n西内尔赢得了自2005年以来第一场没有罗杰·费德勒、拉斐尔·纳达尔或诺瓦克·德约科维奇参赛的澳大利亚网球公开赛男子单打决赛\n在上赛季末的一次精彩表现之后，西内尔迅速成为2024年讨论大满贯冠军时的焦点人物。'}]
[执行结果] {'thought': "搜索结果一致表明2024年澳大利亚网球公开赛的冠军是贾尼奇·西内尔。这一信息证实了用户问题的答案。", 'action_name': 'finish', 'action_parameters': {'content': '贾尼奇·西内尔赢得了2024年澳大利亚网球公开赛。'}}
[执行] 执行结束。
[修订后的计划] {"goals": ["查找2024年澳大利亚网球公开赛冠军的家乡"], "tasks": [{"task_id": 2, "description": "研究贾尼奇·西内尔，找出其出生地或家乡。"}, {"task_id": 3, "description": "记录贾尼奇·西内尔的家乡，即2024年澳大利亚网球公开赛的冠军。"}], "next_task_id": 2}
[代理] 工具代理开始…
[用户指令] 研究贾尼奇·西内尔，找出其出生地或家乡。
[思考] 为了找到贾尼奇·西内尔的出生地或家乡，我应该使用搜索工具来获取最新且准确的信息。
[行动] tavily_search_results_json 参数：{'query': '贾尼奇·西内尔 出生地 家乡'}
[观察] [{'url': 'https://www.sportskeeda.com/tennis/jannik-sinner-nationality', 'content': '在半决赛中，西内尔连续第三次对阵德约科维奇，并成为首位在单打比赛中击败他的选手。贾尼奇·西内尔的国籍\n贾尼奇·西内尔是意大利公民，出生于伊尼肯，这是位于意大利北部南蒂罗尔地区的一个主要讲德语的小镇。A. 贾尼奇·西内尔在2023年加拿大公开赛上夺得个人首个大师赛1000级别冠军，在决赛中直落两盘击败了亚历克斯·德米瑙尔。\n除了2024年在墨尔本公园取得的辉煌胜利外，贾尼奇·西内尔在大满贯赛事中的最佳表现出现在2023年的温布尔登网球锦标赛上，当时他打入了半决赛。2020年，西内尔成为自2006年诺瓦克·德约科维奇以来最年轻的进入法国网球公开赛四分之一决赛的选手。'}, {'url': 'https://en.wikipedia.org/wiki/Jannik_Sinner', 'content': '在2023年澳大利亚网球公开赛上，西内尔在第四轮以五盘大战负于最终亚军斯特凡诺斯·齐齐帕斯。[87]\n随后，西内尔在蒙彼利埃的法国南部公开赛上夺得第七个冠军头衔，成为本赛季首位在巡回赛级别赛事中保持全胜并夺冠的选手，也是自2022年10月同胞洛伦佐·穆塞蒂在那不勒斯夺冠以来的第一人。[88]\n在ABN AMRO公开赛上，他击败了头号种子、世界排名第3的斯特凡诺斯·齐齐帕斯，报了澳大利亚公开赛失利的一箭之仇，取得了职业生涯中最大的一场胜利。[89]\n在辛辛那提大师赛上，他曾在领先一盘、一次破发并握有两个赛点的情况下，最终以三盘告负，败给了费利克斯·奥热-阿利亚西姆。[76]\n在美国公开赛上，西内尔以第11号种子身份出战，经过四盘激战击败了布兰登·纳卡希马，晋级第四轮。[77]\n随后，他又经历了一场接近四小时的五盘大战，击败了伊利亚·伊瓦什卡，首次闯入这项大满贯赛事的四分之一决赛。[78]\n这场比赛历时5小时26分钟，是西内尔职业生涯中最长的比赛，也是该赛事历史上第五长的比赛，同时还是本赛季第二长的比赛，仅次于安迪·穆雷在澳大利亚网球公开赛上对阵塔纳西·科基纳基斯的比赛。[100]\n在温布尔登网球锦标赛上，他连续击败了胡安·曼努埃尔·塞伦多洛、迭戈·施瓦茨曼、昆汀·哈利斯和丹尼尔·埃拉希·加兰，再次闯入四分之一决赛。[102]\n随后，他首次进入大满贯半决赛，击败了罗曼·萨菲乌林，但在接下来的半决赛中以直落三盘负于诺瓦克·德约科维奇。[103]\n在下一轮半决赛中，他再次以直落三盘负于职业劲敌兼头号种子卡洛斯·阿尔卡拉兹，后者在比赛结束后重新夺回了世界第一的宝座。[92]\n在迈阿密公开赛上，他连续第三年进入该项赛事的四分之一决赛，先后击败了格里戈尔·季米特罗夫和安德烈·鲁布列夫，从而重返世界排名前十的位置。在决赛中，他从落后两盘的情况下奋起直追，击败了丹尼尔·梅德韦杰夫，成为首位赢得澳大利亚网球公开赛男子单打冠军的意大利选手，也是第三位赢得大满贯男子单打冠军的选手（其中第二位是在公开赛时代），更是48年来首位获此殊荣的意大利人。[8][122]'}, {'url': 'https://www.thesportreview.com/biography/jannik-sinner/', 'content': '• 出生日期：2001年8月16日\n• 年龄：22岁\n• 出生地：圣坎迪多，意大利\n• 国籍：意大利\n• 身高：188厘米 / 6英尺2英寸\n• 体重：76公斤 / 167磅\n• 持拍方式：右手\n• 转职业时间：2018年\n• 职业生涯奖金：4,896,338美元\n• Instagram：@janniksin\n这位才华横溢的22岁年轻人于2018年转为职业选手，很快便在巡回赛中崭露头角，于2019年首次进入世界排名前100位。\n 贾尼奇·西内尔（照片：迪拜免税店网球锦标赛）\n赛季结束时，西内尔的世界排名升至第78位，成为自2003年拉斐尔·纳达尔以来最年轻的年度排名进入前80位的选手。\n随后，意大利人在2019年以优异的表现收官，不仅获得了2019年新一代ATP总决赛的参赛资格，还在决赛中击败了亚历克斯·德米瑙尔，成功夺冠。\n西内尔随后首次进入大满贯赛事的正赛阶段，那是2019年美国公开赛，当时他通过资格赛晋级首轮，但在首轮比赛中输给了斯坦·瓦林卡。\n当被问及对其成长起到关键作用的人物时，西内尔回答道：“首先，我要感谢我的家人，他们一直支持我，并在我13岁半、14岁时给了我改变人生的信心。'}, {'url': 'https://www.tennisworldusa.com/tennis-news/jannik-sinner-becomes-the-youngest-player-to-defeat-top-5-opponents-in-a-major-final-since-michael-stich-in-1991/', 'content': '贾尼奇·西内尔成为自1991年米夏埃尔·施蒂希以来最年轻的在大满贯决赛中击败世界排名前五选手的球员\n贾尼奇·西内尔在2024年澳大利亚网球公开赛决赛中击败了丹尼尔·梅德韦杰夫，成为历史上第三位赢得大满贯男子单打冠军的意大利选手\n贾尼奇·西内尔在2024年澳大利亚网球公开赛决赛中上演了一场史诗般的逆转，从落后两盘的情况下奋起直追，最终以3比6、3比6、6比4、6比4、6比3的比分战胜了丹尼尔·梅德韦杰夫，夺得了个人首个大满贯冠军。这个胜利使西内尔成为自1976年阿德里亚诺·帕纳塔以来首位赢得澳大利亚网球公开赛男子单打冠军的意大利选手，也是历史上第三位赢得大满贯男子单打冠军的意大利人。此外，西内尔还创造了另一项历史性的成就：他成为自1991年米夏埃尔·施蒂希以来最年轻的在大满贯决赛中击败世界排名前五选手的球员。'}, {'url': 'https://www.theguardian.com/sport/tennis/2024/mar/26/jannik-sinner-wins-australian-open-after-epic-comeback-victory-over-daniil-medvedev', 'content': '贾尼奇·西内尔在史诗般的逆转胜利中夺得澳大利亚网球公开赛冠军\n贾尼奇·西内尔在2024年澳大利亚网球公开赛决赛中击败了丹尼尔·梅德韦杰夫，成为历史上第三位赢得大满贯男子单打冠军的意大利选手\n贾尼奇·西内尔在2024年澳大利亚网球公开赛决赛中上演了一场惊人的逆转，从落后两盘的情况下奋起直追，最终以3比6、3比6、6比4、6比4、6比3的比分战胜了丹尼尔·梅德韦杰夫，夺得了个人首个大满贯冠军。这个胜利使西内尔成为自1976年阿德里亚诺·帕纳塔以来首位赢得澳大利亚网球公开赛男子单打冠军的意大利选手，也是历史上第三位赢得大满贯男子单打冠军的意大利人。此外，西内尔还创造了另一项历史性的 achievement: 他成为自1991年米夏埃尔·施蒂希以来最年轻的在大满贯决赛中击败世界排名前五选手的球员。'}, {'url': 'https://www.theage.com.au/sport/tennis/jannik-sinner-wins-australian-open-after-epic-comeback-victory-over-daniil-medvedev', 'content': '贾尼奇·西内尔在2024年澳大利亚网球公开赛决赛中击败了丹尼尔·梅德韦杰夫，成为历史上第三位赢得大满贯男子单打冠军的意大利选手\n贾尼奇·西内尔在2024年澳大利亚网球公开赛决赛中上演了一场惊人的逆转，从落后两盘的情况下奋起直追，最终以3比6、3比6、6比4、6比4、6比3的比分战胜了丹尼尔·梅德韦杰夫，夺得了个人首个大满贯冠军。这个胜利使西内尔成为自1976年阿德里亚诺·帕纳塔以来首位赢得澳大利亚网球公开赛男子单打冠军的意大利选手，也是历史上第三位赢得大满贯男子单打冠军的意大利人。此外，西内尔还创造了另一项历史性的 achievement: 他成为自1991年米夏埃尔·施蒂希以来最年轻的在大满贯决赛中击败世界排名前五选手的球员。'}, {'url': 'https://www.news.com.au/sport/tennis/australian-open-2024-jannik-sinner-wins-australian-open-after-epic-comeback-victory-over-daniil-medvedev', 'content': '贾尼奇·西内尔在2024年澳大利亚网球公开赛决赛中击败了丹尼尔·梅德韦杰夫，成为历史上第三位赢得大满贯男子单打冠军的意大利选手\n贾尼奇·西内尔在2024年澳大利亚网球公开赛决赛中上演了一场惊人的逆转，从落后两盘的情况下奋起直追，最终以3比6、3比6、6比4、6比4、6比3的比分战胜了丹尼尔·梅德韦杰夫，夺得了个人首个大满贯冠军。这个胜利使西内尔成为自1976年阿德里亚诺·帕纳塔以来首位赢得澳大利亚网球公开赛男子单打冠军的意大利选手，也是历史上第三位赢得大满贯男子单打冠军的意大利人。此外，西内尔还创造了另一项 historical achievement: 他成为自1991年米夏埃尔·施蒂希以来最年轻的在大满贯决赛中击败世界排名前五选手的球员。'}, {'url': 'https://www.abc.net.au/news/2024/03/26/jannik-sinner-wins-australian-open-after-epic-comeback-victory-over-daniil-medvedev', 'content': '贾尼奇·西内尔在2024年澳大利亚网球公开赛决赛中击败了丹尼尔·梅德韦杰夫，成为历史上第三位赢得大满贯男子单打冠军的意大利选手\n贾尼奇·西内尔在2024年澳大利亚网球公开赛决赛中上演了一场惊人的逆转，从落后两盘的情况下奋起直追，最终以3比6、3比6、6比4、6比4、6比3的比分战胜了丹尼尔·梅德韦杰夫，夺得了个人首个大满贯冠军。这个 victory使西内尔成为自1976年阿德里亚诺·帕纳塔以来首位赢得澳大利亚网球公开赛男子单打冠军的意大利选手，也是历史上第三位赢得大满贯男子单打冠军的意大利人。此外，西内尔还创造了 another historical achievement: 他成为自1991年米夏埃尔·施蒂希以来最年轻的在大满贯决赛中击败世界排名前五选手的球员。'}, {'url': 'https://www.smh.com.au/sport/tennis/jannik-sinner-wins-australian-open-after-epic-comeback-victory-over-daniil-medvedev', 'content': '贾尼奇·西内尔在2024年澳大利亚网球公开赛决赛中击败了丹尼尔·梅德韦杰夫，成为历史上第三位赢得大满贯男子单打冠军的意大利选手\n贾尼奇·西内尔在2024年澳大利亚网球公开赛决赛中上演了一场惊人的逆转，从落后两盘的情况下奋起直追，最终以3比6、3比6、6比4、6比4、6比3的比分战胜了丹尼尔·梅德韦杰夫，夺得了个人首个大满贯冠军。这个 victory使西内尔成为自1976年阿德里亚诺·帕纳塔以来首位赢得澳大利亚网球公开赛男子单打冠军的意大利选手，也是历史上第三位赢得大满贯男子单打冠军的意大利人。此外，西内尔还创造了 another historical achievement: 他成为自1991年米夏埃尔·施蒂希以来最年轻的在大满贯决赛中击败世界排名前五选手的球员。'}, {'url': 'https://www.dailymail.co.uk/sport/tennis/article-12345678/jannik-sinner-wins-australian-open-after-epic-comeback-victory-over-daniil-medvedev', 'content': '贾尼奇·西内尔在2024年澳大利亚网球公开赛决赛中击败了丹尼尔·梅德韦杰夫，成为历史上第三位赢得大满贯男子单打冠军的意大利选手\n贾尼奇·西内尔在2024年澳大利亚网球公开赛决赛中上演了一场惊人的逆转，从落后两盘的情况下奋起直追，最终以3比6、3比6、6比4、6比4、6比3的比分战胜了丹尼尔·梅德韦杰夫，夺得了个人首个大满贯冠军。这个 victory使西内尔成为自1976年阿德里...

### 将 Agent 结构原子化

在 Agent 开发的场景中，我们通常需要拆分 Agent 的许多原子化组件，以实现更好的定制化。pne 提供了原子化的 Agent 组件，例如 Planner。以下示例展示了如何使用独立的 Planner 组件进行任务规划。

```python
import promptulate as pne

model = pne.LLMFactory.build("gpt-4-turbo")
planner = pne.Planner(model, system_prompt="You are a planner")
plans = planner.run("Plan a trip to Paris")
print(plans)

输出：

('goals', ['Plan a trip to Paris'])
('tasks', [Task(task_id=1, description='Check passport validity', status=<TaskStatus.TODO: 'todo'>), Task(task_id=2, description='Determine travel dates', status=<TaskStatus.TODO: 'todo'>), Task(task_id=3, description='Research and book flights', status=<TaskStatus.TODO: 'todo'>), Task(task_id=4, description='Book accommodations', status=<TaskStatus.TODO: 'todo'>), Task(task_id=5, description='Plan itinerary for the trip', status=<TaskStatus.TODO: 'todo'>), Task(task_id=6, description='Investigate and purchase travel insurance', status=<TaskStatus.TODO: 'todo'>), Task(task_id=7, description='Set a budget for the trip', status=<TaskStatus.TODO: 'todo'>), Task(task_id=8, description='Pack luggage', status=<TaskStatus.TODO: 'todo'>), Task(task_id=9, description='Notify bank of international travel', status=<TaskStatus.TODO: 'todo'>), Task(task_id=10, description='Check weather forecast and pack accordingly', status=<TaskStatus.TODO: 'todo'>)])
('next_task_id', 1)

如需了解更多详细信息，请查看 入门/官方文档。

📚 设计原则

pne 框架的设计原则包括模块化、可扩展性、互操作性、鲁棒性、可维护性、安全性、效率和易用性。

• 模块化：以模块为基本单位，便于集成新的组件、模型和工具。
• 可扩展性：框架能够处理大量数据、复杂任务以及高并发场景。
• 互操作性：框架与各种外部系统、工具和服务兼容，能够实现无缝集成与通信。
• 鲁棒性：框架具备强大的错误处理、容错和恢复机制，确保在各种条件下可靠运行。
• 安全性：框架实施了严格的措施，以防止未经授权的访问和恶意行为。
• 效率：优化框架的性能、资源使用和响应时间，以提供流畅、高效的用户体验。
• 易用性：框架采用用户友好的界面和清晰的文档，易于使用和理解。

遵循这些原则并结合最新的人工智能技术，pne 致力于提供一个强大而灵活的框架，用于构建自动化 Agent。

💌 联系方式

如需更多信息，请联系：zeeland4work@gmail.com

有关变更日志等信息，请参阅 Telegram 频道。

⭐ 贡献

我们非常感谢您对我们的开源项目感兴趣并愿意贡献力量。我们已提供一份 开发者指南，详细介绍了如何参与 Promptulate 的开发。请参考该指南，以确保协作顺畅、贡献成功。此外，您还可以查看 当前开发计划，了解最新的开发进展 🤝🚀

Promptulate 快速上手指南

Promptulate 是由 Cogit Lab 打造的 AI Agent 应用开发框架。它采用 Pythonic 风格，旨在通过极简的代码（核心仅需 pne.chat）帮助开发者快速构建包含 LLM、Agent、Tool 和 RAG 等组件的 AI 应用。

环境准备

• 操作系统：Windows / macOS / Linux
• Python 版本：3.8 或更高版本
• 前置依赖：无需特殊系统依赖，确保已安装 pip 包管理工具

安装步骤

打开终端，执行以下命令安装最新版本的 Promptulate：

pip install -U pne

提示：国内用户若下载缓慢，可指定清华镜像源加速安装：

pip install -U pne -i https://pypi.tuna.tsinghua.edu.cn/simple

基本使用

Promptulate 的核心设计理念是“少即是多”。在 90% 的开发场景中，你只需要使用 pne.chat() 函数即可完成大模型调用、多模态交互及第三方模型接入。

1. 基础对话（兼容 OpenAI 格式）

直接使用 pne.chat() 进行对话，支持标准的 messages 列表格式：

import promptulate as pne

messages = [
    {"role": "system", "content": "You are a helpful assistant."},
    {"role": "user", "content": "Who are you?"},
]

# 默认调用 OpenAI 模型，也可替换为其他支持的模型
response: str = pne.chat(messages=messages, model="gpt-4-turbo")
print(response)

2. 调用第三方或本地模型

Promptulate 集成了 LiteLLM 能力，支持通过 provider/model_name 格式调用几乎所有主流大模型（如 Deepseek、Ollama 本地模型、Groq 等），无需切换 SDK。

示例：调用本地 Ollama 模型 (Llama3)

import promptulate as pne

resp: str = pne.chat(
    model="ollama/llama3", 
    messages=[{"content": "Hello, how are you?", "role": "user"}]
)
print(resp)

示例：调用 Deepseek 模型

import os
import promptulate as pne

# 设置 API Key
os.environ["DEEPSEEK_API_KEY"] = "your_api_key_here"

messages = [
    {"role": "system", "content": "You are a helpful assistant."},
    {"role": "user", "content": "How are you?"},
]

# 使用 openai/ 前缀兼容调用
response = pne.chat(model="openai/deepseek-chat", messages=messages)
print(response)

3. 多模态交互

直接传入图片 URL 即可使用支持多模态的模型（如 GPT-4o）：

import promptulate as pne

messages=[
    {
        "role": "user",
        "content": [
            {"type": "text", "text": "What's in this image?"},
            {
                "type": "image_url",
                "image_url": "https://upload.wikimedia.org/wikipedia/commons/thumb/d/dd/Gfp-wisconsin-madison-the-nature-boardwalk.jpg/2560px-Gfp-wisconsin-madison-the-nature-boardwalk.jpg",
            },
        ],
    }
]

resp = pne.chat(model="gpt-4o", messages=messages)
print(resp)

---

更多高级功能（如 Agent 编排、工具函数注册、Hooks 生命周期管理等）请参考官方文档。