[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-agentuniverse-ai--agentUniverse":3,"tool-agentuniverse-ai--agentUniverse":64},[4,17,27,35,43,56],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":16},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,3,"2026-04-05T11:01:52",[13,14,15],"开发框架","图像","Agent","ready",{"id":18,"name":19,"github_repo":20,"description_zh":21,"stars":22,"difficulty_score":23,"last_commit_at":24,"category_tags":25,"status":16},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",140436,2,"2026-04-05T23:32:43",[13,15,26],"语言模型",{"id":28,"name":29,"github_repo":30,"description_zh":31,"stars":32,"difficulty_score":23,"last_commit_at":33,"category_tags":34,"status":16},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",107662,"2026-04-03T11:11:01",[13,14,15],{"id":36,"name":37,"github_repo":38,"description_zh":39,"stars":40,"difficulty_score":23,"last_commit_at":41,"category_tags":42,"status":16},3704,"NextChat","ChatGPTNextWeb\u002FNextChat","NextChat 是一款轻量且极速的 AI 助手，旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性，以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发，NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。\n\n这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言，它也提供了便捷的自托管方案，支持一键部署到 Vercel 或 Zeabur 等平台。\n\nNextChat 的核心亮点在于其广泛的模型兼容性，原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型，让用户在一个界面即可自由切换不同 AI 能力。此外，它还率先支持 MCP（Model Context Protocol）协议，增强了上下文处理能力。针对企业用户，NextChat 提供专业版解决方案，具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能，满足公司对数据隐私和个性化管理的高标准要求。",87618,"2026-04-05T07:20:52",[13,26],{"id":44,"name":45,"github_repo":46,"description_zh":47,"stars":48,"difficulty_score":23,"last_commit_at":49,"category_tags":50,"status":16},2268,"ML-For-Beginners","microsoft\u002FML-For-Beginners","ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。\n\n无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。",84991,"2026-04-05T10:45:23",[14,51,52,53,15,54,26,13,55],"数据工具","视频","插件","其他","音频",{"id":57,"name":58,"github_repo":59,"description_zh":60,"stars":61,"difficulty_score":10,"last_commit_at":62,"category_tags":63,"status":16},3128,"ragflow","infiniflow\u002Fragflow","RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。\n\n在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。\n\n这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。",77062,"2026-04-04T04:44:48",[15,14,13,26,54],{"id":65,"github_repo":66,"name":67,"description_en":68,"description_zh":69,"ai_summary_zh":69,"readme_en":70,"readme_zh":71,"quickstart_zh":72,"use_case_zh":73,"hero_image_url":74,"owner_login":75,"owner_name":75,"owner_avatar_url":76,"owner_bio":77,"owner_company":78,"owner_location":78,"owner_email":78,"owner_twitter":78,"owner_website":78,"owner_url":79,"languages":80,"stars":85,"forks":86,"last_commit_at":87,"license":88,"difficulty_score":23,"env_os":77,"env_gpu":89,"env_ram":89,"env_deps":90,"category_tags":96,"github_topics":97,"view_count":10,"oss_zip_url":78,"oss_zip_packed_at":78,"status":16,"created_at":107,"updated_at":108,"faqs":109,"releases":143},3713,"agentuniverse-ai\u002FagentUniverse","agentUniverse","agentUniverse is a LLM multi-agent framework that allows developers to easily build multi-agent applications. ","agentUniverse 是一个基于大语言模型的多智能体协作框架，旨在帮助开发者轻松构建能够协同工作的智能应用。它主要解决了单一智能体在处理复杂任务时能力有限、难以融合特定领域专业经验的痛点。通过提供灵活的“协作模式工厂”，agentUniverse 让多个具备不同职责的智能体各司其职，从而高效解决跨领域的复杂问题。\n\n该工具特别适合希望构建企业级或领域专家级智能应用的开发者与技术团队。其核心亮点在于深度集成了蚂蚁集团真实的金融业务实践经验，内置了多种经过实战验证的协作模式。例如，\"PEER 模式”通过规划、执行、表达和审查四个角色的配合，擅长处理事件解读与行业分析等推理任务；而\"DOE 模式”则专注于数据密集型场景，能有效结合专家意见生成高质量的财务报告。此外，agentUniverse 支持通过简单配置快速接入 Qwen、Deepseek、OpenAI 及 Claude 等主流大模型，让开发者能专注于业务逻辑而非底层适配，是打造高智商协作智能体的得力助手。","# agentUniverse\n****************************************\nLanguage version: [English](.\u002FREADME.md) | [中文](.\u002FREADME_zh.md) | [日本語](.\u002FREADME_jp.md)\n\n![](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fframework-agentUniverse-pink)\n![](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fpython-3.10%2B-blue?logo=Python)\n[![](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002F%20license-Apache--2.0-yellow)](LICENSE)\n[![Static Badge](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fpypi-v0.0.19-blue?logo=pypi)](https:\u002F\u002Fpypi.org\u002Fproject\u002FagentUniverse\u002F)\n\n![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fagentuniverse-ai_agentUniverse_readme_ee5b84ad505d.jpg)\n****************************************\n\n## What is agentUniverse?\n\n**agentUniverse is a multi-agent framework based on large language models.** It provides flexible and easily extensible capabilities for building individual agents. The core of agentUniverse is a rich set of multi-agent collaborative pattern components (serving as a collaborative pattern factory), which allows agents to perform their respective duties and maximize their capabilities when solving problems in different fields; at the same time, agentUniverse focuses on the integration of domain experience, helping you smoothly integrate domain experience into the work of intelligent agents.🎉🎉🎉\n\n**🌈🌈🌈agentUniverse originates from the real-world financial business practices of AntGroup (https:\u002F\u002Fgithub.com\u002Fantgroup), dedicated to assisting developers and enterprises in effortlessly constructing domain-expert-level intelligent agents that collaborate to accomplish tasks.**\n\n\n![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fagentuniverse-ai_agentUniverse_readme_755570cfa51a.jpg)\n\nWe look forward to your practice and communication and sharing of Patterns in different fields through the community. This framework has already placed many useful components that have been tested in real business scenarios in terms of multi-agent cooperation, and will continue to be enriched in the future.\nThe pattern components that are currently open for use include:\n\n* PEER pattern component: This pattern uses agents with different responsibilities—Plan, Execute, Express, and Review—to break down complex problems into manageable steps, execute the steps in sequence, and iteratively improve based on feedback, enhancing the performance of reasoning and analysis tasks. Typical use cases: Event interpretation, industry analysis.\n* DOE pattern component: This pattern employs three agents—Data-fining, Opinion-inject, and Express—to improve the effectiveness of tasks that are data-intensive, require high computational precision, and incorporate expert opinions. Typical use cases: Financial report generation.\n\nMore patterns are coming soon...\n\nThe LLM model integration can be accomplished with simple configuration, currently agentUniverse supported models include:\n\n|-|Vendors|                                                                                                         Models                                                                                                          |\n|:-----:|:--------:|:-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------:|\n|\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fagentuniverse-ai_agentUniverse_readme_4e029da4a915.png\" height=\"25\">|Qwen| qwen3 Series（qwen3-235b-a22b、qwen3-32b、qwen3-30b-a3b, etc.） 、qwen2.5-72b-instruct、qwq-32b-preview、qwen-max、… |\n|\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fagentuniverse-ai_agentUniverse_readme_2168347aaf02.png\" height=\"25\">|Deepseek|                            deepseek-r1、deepseek-v3、deepseek-r1-distill-qwen-32b、…                            |\n|\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fagentuniverse-ai_agentUniverse_readme_7dd32cb24a58.png\" height=\"25\">|OpenAI|                                GPT-4o、GPT-4o mini、OpenAI o1、OpenAI o3-mini、…                                 |\n|\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fagentuniverse-ai_agentUniverse_readme_5884d4f62c63.png\" height=\"25\">|Claude|                             claude 3.7 sonnet 、Claude 3.5 Sonnet、Claude 3 Opus、…                             |\n|\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fagentuniverse-ai_agentUniverse_readme_39860a569a79.png\" height=\"25\">|Gemini|                  Gemini 2.5 Pro、Gemini 2.0 Flash、Gemini 2.0 Flash Thinking、Gemini 1.5 Pro、…                  |\n|\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fagentuniverse-ai_agentUniverse_readme_37303ca55c65.png\" height=\"25\">|Llama|                      llama3.3-70b-instruct、llama3.2-3b-instruct、llama3.2-1b-instruct、…                       |\n|\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fagentuniverse-ai_agentUniverse_readme_b502e8dde0ee.png\" height=\"25\">|KIMI|                              moonshot-v1-128k、moonshot-v1-32k、moonshot-v1-8k、…                               |\n|\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fagentuniverse-ai_agentUniverse_readme_5cc019ea8dba.png\" height=\"25\">|WenXin|                                     ERNIE 4.5 Turbo、ERNIE 4.5、ERNIE 4.0 Turbo、ERNIE 4.0、ERNIE 3.5、…                                     |\n|\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fagentuniverse-ai_agentUniverse_readme_3a51535ab6ba.png\" height=\"25\">|chatglm|                                         chatglm3-6b、chatglm-6b-v2、…                                          |\n|\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fagentuniverse-ai_agentUniverse_readme_bb544e97a2f2.png\" height=\"25\">|BaiChuan|                                   baichuan2-turbo、baichuan2-13b-chat-v1、…                                    |\n|\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fagentuniverse-ai_agentUniverse_readme_942b1e53e72c.png\" height=\"25\">|Doubao|                              Doubao-pro-128k、Doubao-pro-32k、Doubao-lite-128k、…                               |\n\nFor example, to use deepseek model, you can simply set DEEPSEEK_API_KEY value in the custom_key.toml file, and set the llm_model name in the agent configuration file to 'default_deepseek_llm' and you're all set. For more information about llm configuration, please refer to [switch-the-llm](https:\u002F\u002Fgithub.com\u002Fagentuniverse-ai\u002FagentUniverse\u002Fblob\u002Fmaster\u002Fdocs\u002Fguidebook\u002Fen\u002FGet_Start\u002F2.Run_Your_First_Tutorial_Example.md#switch-the-llm).\n\n****************************************\n\n## Table of Contents\n\n* [Quick Start](#Quick-Start)  \n* [How to build an agent application](#How-to-build-an-agent-application)\n* [Setup the visual agentic workflow platform](#Set-up-the-visual-agentic-workflow-platform)\n* [Why use agentUniverse](#Why-use-agentUniverse)  \n* [Sample Apps](#Sample-Apps)  \n* [Documents](#Documents)  \n* [Support](#Support)\n\n****************************************\n## Quick Start\n\n### Installation\nUsing pip:\n```shell\npip install agentUniverse\n```\n### Run the first example\nRun your first example, and you can quickly experience the performance of the agents (or agent groups) built by agentUniverse through the tutorial.\n\nPlease refer to the document for detail steps: [Run the first example](docs\u002Fguidebook\u002Fen\u002FGet_Start\u002F2.Run_Your_First_Tutorial_Example.md) 。\n\n****************************************\n\n## How to build an agent application\n\n### Standard Project Scaffolding\nSetup the standard project: [agentUniverse Standard Project](examples\u002Fsample_standard_app)\n\n#### Quick Start for Building a Single Agent\nYou can learn how to quickly build a single agent by reading the [Quick Guide to Build Single Agent](docs\u002Fguidebook\u002Fen\u002FGet_Start\u002F3.Quick_Guide_to_Build_Single_Agent.md). This will help you understand how to enhance your agent's capabilities using tools, knowledge bases, RAG technologies, and more. Additionally, you will grasp the basic application development processes for agents, including configuration, testing, optimizing, deployment, and performance evaluation. \n\n#### Building Typical Multi-Agent Applications\nYou can further understand how to break down intelligent capabilities into multiple agents in complex task scenarios and enhance your task performance through collaboration by referring to the [Building Typical Multi-Agent App](docs\u002Fguidebook\u002Fen\u002FGet_Start\u002F4.Building_Typical_Multi-Agent_App.md) chapter.\n\n#### Creating and Using Agent Templates\nYou can learn how to create effective agent patterns into templates through the chapter [Creating and Using Agent Templates](docs\u002Fguidebook\u002Fen\u002FGet_Start\u002F5.Creating_and_Using_Agent_Templates.md). This will greatly enhance the efficiency of constructing subsequent agents and facilitate dissemination.\n\n#### Using and Publishing MCP Servers\nYou can learn how to quickly use or publish MCP servers in agentUniverse framework by referring to [How to Use MCP Servers](docs\u002Fguidebook\u002Fen\u002FHow-to\u002FUse%20and%20Publish%20MCP%20Server\u002FHow_to_Use_MCP_Servers.md) and [How to Publish MCP Servers](docs\u002Fguidebook\u002Fen\u002FHow-to\u002FUse%20and%20Publish%20MCP%20Server\u002FHow_to_Publish_MCP_Servers.md).\n\n#### Agent Application Observability\nagentUniverse provides a standardized observability framework for agent applications. Based on the OpenTelemetry protocol, it enables comprehensive data collection and monitoring of critical components such as agents, LLMs, and tools, facilitating full lifecycle tracking of agents. You can learn how to utilize these observability capabilities in the [Agent Application Observability](docs\u002Fguidebook\u002Fen\u002FIn-Depth_Guides\u002FTech_Capabilities\u002FObservability\u002FObservability_with_OTEL.md) section.\n\n#### Common Tips and Advanced Techniques\nYou can learn more advanced techniques in the agent application building process through other documents in the [Get_Start](.\u002Fdocs\u002Fguidebook\u002Fen\u002FGet_Start), such as how to add a memory module into the intelligent agent process and how to effectively manage prompts within the project.\n****************************************\n\n## Set up the visual agentic workflow platform\n\nagentUniverse provides a visual canvas platform for creating agentic workflow. Follow these steps for a quick start:\n\n**Using pip**\n```shell\npip install magent-ui ruamel.yaml\n```\n\n**One-click Run**\n\nRun [product_application.py](examples\u002Fsample_apps\u002Fworkflow_agent_app\u002Fbootstrap\u002Fplatform\u002Fproduct_application.py) in sample_apps\u002Fworkflow_agent_app\u002Fbootstrap\u002Fplatform for quick startup.\n\nFor more details, refer to [Quick Start for Product Platform](docs\u002Fguidebook\u002Fen\u002FHow-to\u002FGuide to Visual Agentic Workflow Platform\u002FProduct_Platform_Quick_Start.md) and the [Advanced Guide](docs\u002Fguidebook\u002Fen\u002FHow-to\u002FGuide to Visual Agentic Workflow Platform\u002FProduct_Platform_Advancement_Guide.md).\n\nThis feature is jointly developed by [difizen](https:\u002F\u002Fgithub.com\u002Fdifizen\u002Fmagent) and agentUniverse.\n\n****************************************\n\n## Why use agentUniverse\n\n### Concept\n![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fagentuniverse-ai_agentUniverse_readme_f25b7725ceaf.png)\n\nThe core of agentUniverse provides all the essential components needed to build a single intelligent agent, the collaboration mechanisms between multiple agents, and allows for the injection of expert knowledge. The enables developers to effortlessly create intelligent applications equipped with professional know-how.\n\n### Multi Agent Collaboration\nagentUniverse offers several multi-agent collaboration model components that have been validated in real-world industries. Among these, the \"PEER\" model stands out as one of the most distinctive.\n\nThe PEER model utilizes agents with four distinct responsibilities: Planning, Executing, Expressing, and Reviewing. This structure allows for the decomposition and step-by-step execution of complex problems and enables autonomous iteration based on evaluation feedback, ultimately enhancing performance in reasoning and analytical tasks. This model is particularly effective in scenarios that require multi-step decomposition and in-depth analysis, such as event interpretation, macroeconomic analysis, and the feasibility analysis of business proposals.\n\nThe PEER model has achieved impressive results, and the latest research findings and experimental data can be found in the following literature.\n\n### Key Features\nBased on the above introduction, we summarize the main features of agentUniverse as follow:\n\nFlexible and Extensible Agent Construction Capability: It provides all the essential components necessary for building agents, all of which support customization to tailor user-specific agents.\n\nRich and Effective Multi-Agent Collaboration Models: It offers collaborative models such as PEER (Plan\u002FExecute\u002FExpress\u002FReview) and DOE (Data-finding\u002FOpinion-inject\u002FExpress), which have been validated in the industry. Users can also customize and orchestrate new models to facilitate organic collaboration among multiple agents.\n\nEasy Integration of Domain Expertise: It offers capabilities for domain prompts, knowledge construction, and management, enabling the orchestration and injection of domain-level SOPs, aligning agents with expert-level domain knowledge.\n\n💡 For additional features:\nsee the section on [key features of agentUniverse](docs\u002Fguidebook\u002Fen\u002FConcepts\u002FCore_Features.md) for more details.\n\n****************************************\n\n## Sample Apps\n\n🚩 [Legal Advice Agent v2](docs\u002Fguidebook\u002Fen\u002FExamples\u002FLegal_Advice.md)\n\n🚩 [Python Code Generation and Execution Agent](docs\u002Fguidebook\u002Fen\u002FExamples\u002FPython_Auto_Runner.md)\n\n🚩 [Discussion Group Based on Multi-Turn Multi-Agent Mode](docs\u002Fguidebook\u002Fen\u002FExamples\u002FDiscussion_Group.md)\n\n🚩 [Financial Event Analysis Based on PEER Multi-Agent Mode](docs\u002Fguidebook\u002Fen\u002FExamples\u002FFinancial_Event_Analysis.md)\n\n🚩 [Andrew Ng's Reflexive Workflow Translation Agent Replication](docs\u002Fguidebook\u002Fen\u002FExamples\u002FTranslation_Assistant.md)\n\n****************************************\n\n## Commercial Product base on agentUniverse\n\n🔗 [_Zhi Xiao Zhu_-AI Assistant for Financial Professionals](https:\u002F\u002Fzhu.alipay.com\u002F?from=au)\n\n**_Zhi Xiao Zhu_ AI Assistant: Designed to facilitate the development of large models in rigorous industries to enhance the productively of investment research experts**\n\n_Zhi Xiao Zhu_ AI Assistant an efficient solution for the practical application of large models in rigorous industries. It is built upon the Finix model, which emphasizes precise applications, and leverages the agentUniverse intelligent agent framework, known for its professional customization capabilities. This solution targets a range of professional AI business assistants related to investment research, ESG (environmental, social, and governance), finance, earnings reports, and other specialized domains. It has been extensively validated in large-scale scenarios at Ant Group, significantly improving expert efficiency.\n\nhttps:\u002F\u002Fprivate-user-images.githubusercontent.com\u002F39180831\u002F355437700-192f712d-1b03-46a6-8422-1ca10aa94331.mp4?jwt=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.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.q1vdSg_Ghxr-DHLXfmQ_fVVRVSFn7H8VMHMi-_2QrjA\n\n****************************************\n\n## Documents\n\n### User Guide\n💡 For more detailed information, please refer to the [User Guide](.\u002Fdocs\u002Fguidebook\u002Fen\u002FContents.md).\n\n### API Reference\n💡 Please consult the [API Reference](https:\u002F\u002Fagentuniverse.readthedocs.io\u002Fen\u002Flatest\u002F) for technical details.\n\n****************************************\n\n## Support\n\n### Submit Questions via GitHub Issues\n😊 We recommend submitting your queries using [GitHub Issues](https:\u002F\u002Fgithub.com\u002Fagentuniverse-ai\u002FagentUniverse\u002Fissues), we typically respond within 2 business days.\n\n### Contact Us via Discord\n😊 Join our [Discord Channel](https:\u002F\u002Fdiscord.gg\u002FDHFcdkWAhn) to interact with us.\n\n### Contact Us via Administrator Email\n😊 Email: \n* [jihan.hanji@antgroup.com](mailto:jihan.hanji@antgroup.com)\n* [jerry.zzw@antgroup.com](mailto:jerry.zzw@antgroup.com)\n* [jinshi.zjs@antgroup.com](mailto:jinshi.zjs@antgroup.com)\n\n### twitter\nID: [@agentuniverse_](https:\u002F\u002Fx.com\u002Fagentuniverse_)\n\n\n****************************************\n\n## Citation\n\nThe PEER multi-agent framework build in agentUniverse project is supported by the following research achievements.\n\nBibTeX formatted\n```text\n@misc{wang2024peerexpertizingdomainspecifictasks,\n      title={PEER: Expertizing Domain-Specific Tasks with a Multi-Agent Framework and Tuning Methods}, \n      author={Yiying Wang and Xiaojing Li and Binzhu Wang and Yueyang Zhou and Han Ji and Hong Chen and Jinshi Zhang and Fei Yu and Zewei Zhao and Song Jin and Renji Gong and Wanqing Xu},\n      year={2024},\n      eprint={2407.06985},\n      archivePrefix={arXiv},\n      primaryClass={cs.AI},\n      url={https:\u002F\u002Farxiv.org\u002Fabs\u002F2407.06985}, \n}\n```\nOverview: This document introduces in detailed the mechanisms and principles underlying the PEER multi-agent framework. The experimental section assigned scores across seven dimensions: completeness, relevance, conciseness, factualness, logicality, structure, and comprehensiveness, with a maximum score of 5 points for each dimension. On average, the PEER model scored higher in each evaluation dimension compared to BabyAGI, and show notable advantages particularly in completeness, relevance, logicality, structure, and comprehensiveness. Furthermore, when tested with the GPT-3.5 Turbo (16k) model, the PEER model achieved a superior accuracy rate of 83% compared to BabyAGI, and with the GPT-4 model, it achieved an accuracy rate of 81%. For more details, please refer to the document. \n🔗https:\u002F\u002Farxiv.org\u002Fpdf\u002F2407.06985\n\n****************************************\n\n### Acknowledgements\n\nThis project is partially built upon excellent open-source projects such as Langchain, Pydantic, Gunicorn, Flask, SQLAlchemy, chromadb, etc. (The detailed dependency list can be found in pyproject.toml). We would like to express our heartfelt gratitude to the related projects and their contributors. 🙏🙏🙏\n","# agentUniverse\n****************************************\n语言版本：[英文](.\u002FREADME.md) | [中文](.\u002FREADME_zh.md) | [日文](.\u002FREADME_jp.md)\n\n![](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fframework-agentUniverse-pink)\n![](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fpython-3.10%2B-blue?logo=Python)\n[![](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002F%20license-Apache--2.0-yellow)](LICENSE)\n[![Static Badge](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fpypi-v0.0.19-blue?logo=pypi)](https:\u002F\u002Fpypi.org\u002Fproject\u002FagentUniverse\u002F)\n\n![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fagentuniverse-ai_agentUniverse_readme_ee5b84ad505d.jpg)\n****************************************\n\n## agentUniverse 是什么？\n\n**agentUniverse 是一个基于大语言模型的多智能体框架。** 它提供了灵活且易于扩展的能力，用于构建独立的智能体。agentUniverse 的核心是一套丰富的多智能体协作模式组件（作为协作模式工厂），这些组件使智能体能够在不同领域解决问题时各司其职、最大化自身能力；同时，agentUniverse 还注重领域经验的集成，帮助您将领域经验无缝融入到智能体的工作中。🎉🎉🎉\n\n**🌈🌈🌈agentUniverse 起源于蚂蚁集团的真实金融业务实践（https:\u002F\u002Fgithub.com\u002Fantgroup），致力于协助开发者和企业轻松构建能够协同完成任务的领域专家级智能体。**\n\n\n![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fagentuniverse-ai_agentUniverse_readme_755570cfa51a.jpg)\n\n我们期待您的实践，并通过社区分享和交流不同领域的协作模式。该框架已经内置了许多在实际业务场景中经过验证的多智能体协作实用组件，并将在未来持续丰富。目前开放使用的模式组件包括：\n\n* PEER 模式组件：该模式利用具有不同职责的 Plan、Execute、Express 和 Review 四个智能体，将复杂问题分解为可管理的步骤，按顺序执行，并根据反馈迭代改进，从而提升推理和分析类任务的表现。典型应用场景：事件解读、行业分析。\n* DOE 模式组件：该模式采用 Data-fining、Opinion-inject 和 Express 三个智能体，以提升数据密集型、计算精度要求高且需要结合专家意见的任务效果。典型应用场景：财务报告生成。\n\n更多模式即将推出……\n\nLLM 模型的集成只需简单配置即可完成，目前 agentUniverse 支持的模型包括：\n\n|-|供应商|                                                                                                         模型                                                                                                          |\n|:-----:|:--------:|:-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------:|\n|\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fagentuniverse-ai_agentUniverse_readme_4e029da4a915.png\" height=\"25\">|通义千问| qwen3 系列（qwen3-235b-a22b、qwen3-32b、qwen3-30b-a3b等）、qwen2.5-72b-instruct、qwq-32b-preview、qwen-max、… |\n|\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fagentuniverse-ai_agentUniverse_readme_2168347aaf02.png\" height=\"25\">|DeepSeek|                            deepseek-r1、deepseek-v3、deepseek-r1-distill-qwen-32b、…                            |\n|\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fagentuniverse-ai_agentUniverse_readme_7dd32cb24a58.png\" height=\"25\">|OpenAI|                                GPT-4o、GPT-4o mini、OpenAI o1、OpenAI o3-mini、…                                 |\n|\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fagentuniverse-ai_agentUniverse_readme_5884d4f62c63.png\" height=\"25\">|Claude|                             claude 3.7 sonnet 、Claude 3.5 Sonnet、Claude 3 Opus、…                             |\n|\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fagentuniverse-ai_agentUniverse_readme_39860a569a79.png\" height=\"25\">|Gemini|                  Gemini 2.5 Pro、Gemini 2.0 Flash、Gemini 2.0 Flash Thinking、Gemini 1.5 Pro、…                  |\n|\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fagentuniverse-ai_agentUniverse_readme_37303ca55c65.png\" height=\"25\">|Llama|                      llama3.3-70b-instruct、llama3.2-3b-instruct、llama3.2-1b-instruct、…                       |\n|\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fagentuniverse-ai_agentUniverse_readme_b502e8dde0ee.png\" height=\"25\">|KIMI|                              moonshot-v1-128k、moonshot-v1-32k、moonshot-v1-8k、…                               |\n|\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fagentuniverse-ai_agentUniverse_readme_5cc019ea8dba.png\" height=\"25\">|文心一言|                                     ERNIE 4.5 Turbo、ERNIE 4.5、ERNIE 4.0 Turbo、ERNIE 4.0、ERNIE 3.5、…                                     |\n|\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fagentuniverse-ai_agentUniverse_readme_3a51535ab6ba.png\" height=\"25\">|ChatGLM|                                         chatglm3-6b、chatglm-6b-v2、…                                          |\n|\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fagentuniverse-ai_agentUniverse_readme_bb544e97a2f2.png\" height=\"25\">|百川智能|                                   baichuan2-turbo、baichuan2-13b-chat-v1、…                                    |\n|\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fagentuniverse-ai_agentUniverse_readme_942b1e53e72c.png\" height=\"25\">|豆包|                              Doubao-pro-128k、Doubao-pro-32k、Doubao-lite-128k、…                               |\n\n例如，要使用 DeepSeek 模型，您只需在 custom_key.toml 文件中设置 DEEPSEEK_API_KEY 值，并在智能体配置文件中将 llm_model 名称设置为 'default_deepseek_llm' 即可。有关 LLM 配置的更多信息，请参阅 [switch-the-llm](https:\u002F\u002Fgithub.com\u002Fagentuniverse-ai\u002FagentUniverse\u002Fblob\u002Fmaster\u002Fdocs\u002Fguidebook\u002Fen\u002FGet_Start\u002F2.Run_Your_First_Tutorial_Example.md#switch-the-llm)。\n\n****************************************\n\n## 目录\n\n* [快速开始](#Quick-Start)  \n* [如何构建智能体应用](#How-to-build-an-agent-application)\n* [搭建可视化智能体工作流平台](#Set-up-the-visual-agentic-workflow-platform)\n* [为什么使用 agentUniverse](#Why-use-agentUniverse)  \n* [示例应用](#Sample-Apps)  \n* [文档](#Documents)  \n* [支持](#Support)\n\n****************************************\n## 快速开始\n\n### 安装\n使用 pip：\n```shell\npip install agentUniverse\n```\n### 运行第一个示例\n运行您的第一个示例，您可以通过教程快速体验 agentUniverse 构建的智能体（或智能体组）的性能。\n\n详细步骤请参阅文档：[运行第一个示例](docs\u002Fguidebook\u002Fen\u002FGet_Start\u002F2.Run_Your_First_Tutorial_Example.md) 。\n\n****************************************\n\n## 如何构建代理应用\n\n### 标准项目脚手架\n设置标准项目：[agentUniverse 标准项目](examples\u002Fsample_standard_app)\n\n#### 单代理快速搭建指南\n您可以通过阅读[单代理快速搭建指南](docs\u002Fguidebook\u002Fen\u002FGet_Start\u002F3.Quick_Guide_to_Build_Single_Agent.md)来学习如何快速构建一个单代理。这将帮助您了解如何使用工具、知识库、RAG 技术等来增强代理的能力。此外，您还将掌握代理的基本应用开发流程，包括配置、测试、优化、部署和性能评估。\n\n#### 典型多代理应用的构建\n您可以通过参考[典型多代理应用的构建](docs\u002Fguidebook\u002Fen\u002FGet_Start\u002F4.Building_Typical_Multi-Agent_App.md)章节，进一步了解如何在复杂任务场景中将智能能力分解为多个代理，并通过协作提升任务性能。\n\n#### 创建和使用代理模板\n您可以通过[创建和使用代理模板](docs\u002Fguidebook\u002Fen\u002FGet_Start\u002F5.Creating_and_Using_Agent_Templates.md)章节，学习如何将有效的代理模式创建为模板。这将大大提高后续代理构建的效率，并促进其传播。\n\n#### 使用和发布 MCP 服务器\n您可以通过参考[如何使用 MCP 服务器](docs\u002Fguidebook\u002Fen\u002FHow-to\u002FUse%20and%20Publish%20MCP%20Server\u002FHow_to_Use_MCP_Servers.md)和[如何发布 MCP 服务器](docs\u002Fguidebook\u002Fen\u002FHow-to\u002FUse%20and%20Publish%20MCP%20Server\u002FHow_to_Publish_MCP_Servers.md)，学习如何在 agentUniverse 框架中快速使用或发布 MCP 服务器。\n\n#### 代理应用可观测性\nagentUniverse 为代理应用提供了一个标准化的可观测性框架。基于 OpenTelemetry 协议，它可以对代理、LLM 和工具等关键组件进行全面的数据收集和监控，从而实现对代理全生命周期的跟踪。您可以在[代理应用可观测性](docs\u002Fguidebook\u002Fen\u002FIn-Depth_Guides\u002FTech_Capabilities\u002FObservability\u002FObservability_with_OTEL.md)部分学习如何利用这些可观测性功能。\n\n#### 常用技巧与高级技术\n您还可以通过[Get_Start](.\u002Fdocs\u002Fguidebook\u002Fen\u002FGet_Start)中的其他文档，了解更多关于代理应用构建过程中的高级技术，例如如何在智能代理流程中添加记忆模块，以及如何在项目中有效管理提示词。\n****************************************\n\n## 搭建可视化代理工作流平台\nagentUniverse 提供了一个用于创建代理工作流的可视化画布平台。请按照以下步骤进行快速启动：\n\n**使用 pip**\n```shell\npip install magent-ui ruamel.yaml\n```\n\n**一键运行**\n\n运行 [product_application.py](examples\u002Fsample_apps\u002Fworkflow_agent_app\u002Fbootstrap\u002Fplatform\u002Fproduct_application.py) 文件，位于 sample_apps\u002Fworkflow_agent_app\u002Fbootstrap\u002Fplatform 目录下，即可快速启动。\n\n更多详细信息，请参阅[产品平台快速入门](docs\u002Fguidebook\u002Fen\u002FHow-to\u002FGuide to Visual Agentic Workflow Platform\u002FProduct_Platform_Quick_Start.md)和[进阶指南](docs\u002Fguidebook\u002Fen\u002FHow-to\u002FGuide to Visual Agentic Workflow Platform\u002FProduct_Platform_Advancement_Guide.md)。\n\n该功能由 [difizen](https:\u002F\u002Fgithub.com\u002Fdifizen\u002Fmagent) 和 agentUniverse 联合开发。\n****************************************\n\n## 为什么使用 agentUniverse\n\n### 概念\n![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fagentuniverse-ai_agentUniverse_readme_f25b7725ceaf.png)\n\nagentUniverse 的核心提供了构建单个智能代理所需的所有基本组件、多代理之间的协作机制，并支持专家知识的注入。这使得开发者能够轻松创建具备专业知识的智能应用。\n\n### 多代理协作\nagentUniverse 提供了多种在实际行业中经过验证的多代理协作模型。其中，“PEER”模型是最具特色的之一。\n\nPEER 模型采用四种不同职责的代理：规划（Planning）、执行（Executing）、表达（Expressing）和评审（Reviewing）。这种结构可以将复杂问题分解并逐步执行，同时根据评估反馈进行自主迭代，从而最终提升推理和分析任务的性能。该模型尤其适用于需要多步分解和深入分析的场景，如事件解读、宏观经济分析以及商业提案的可行性分析。\n\nPEER 模型已经取得了令人瞩目的成果，最新的研究成果和实验数据可在以下文献中找到。\n\n### 主要特性\n基于上述介绍，我们总结 agentUniverse 的主要特性如下：\n\n灵活且可扩展的代理构建能力：它提供了构建代理所需的所有基本组件，所有组件均支持自定义，以满足用户的个性化需求。\n\n丰富且高效的多代理协作模型：它提供了 PEER（计划\u002F执行\u002F表达\u002F评审）和 DOE（数据查找\u002F意见注入\u002F表达）等已在行业中得到验证的协作模型。用户还可以自定义和编排新的模型，以促进多代理之间的有机协作。\n\n易于集成领域专业知识：它提供了领域提示、知识构建和管理等功能，能够编排和注入领域级 SOP，使代理与专家级别的领域知识保持一致。\n\n💡 更多特性：\n请参阅[agentUniverse 的核心特性](docs\u002Fguidebook\u002Fen\u002FConcepts\u002FCore_Features.md)部分，以获取更多详细信息。\n\n****************************************\n\n## 示例应用\n\n🚩 [法律咨询代理 v2](docs\u002Fguidebook\u002Fen\u002FExamples\u002FLegal_Advice.md)\n\n🚩 [Python 代码生成与执行代理](docs\u002Fguidebook\u002Fen\u002FExamples\u002FPython_Auto_Runner.md)\n\n🚩 [基于多轮多代理模式的讨论组](docs\u002Fguidebook\u002Fen\u002FExamples\u002FDiscussion_Group.md)\n\n🚩 [基于 PEER 多代理模式的金融事件分析](docs\u002Fguidebook\u002Fen\u002FExamples\u002FFinancial_Event_Analysis.md)\n\n🚩 [复制吴恩达的反思式工作流翻译代理](docs\u002Fguidebook\u002Fen\u002FExamples\u002FTranslation_Assistant.md)\n\n****************************************\n\n## 基于agentUniverse的商业产品\n\n🔗 [_智小助_-金融专业人士AI助手](https:\u002F\u002Fzhu.alipay.com\u002F?from=au)\n\n**_智小助_ AI助手：专为严苛行业的大模型开发而设计，旨在提升投研专家的工作效率**\n\n智小助AI助手是大模型在严苛行业落地应用的高效解决方案。它基于Finix模型构建，强调精准应用场景，并借助以专业定制能力著称的agentUniverse智能体框架。该方案面向投研、ESG（环境、社会和治理）、金融、财报等专业领域的一系列AI业务助理，在蚂蚁集团的大规模场景中得到了充分验证，显著提升了专家的工作效率。\n\nhttps:\u002F\u002Fprivate-user-images.githubusercontent.com\u002F39180831\u002F355437700-192f712d-1b03-46a6-8422-1ca10aa94331.mp4?jwt=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.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.q1vdSg_Ghxr-DHLXfmQ_fVVRVSFn7H8VMHMi-_2QrjA\n\n****************************************\n\n## 文档\n\n### 用户指南\n💡 如需更详细的信息，请参阅[用户指南](.\u002Fdocs\u002Fguidebook\u002Fen\u002FContents.md)。\n\n### API参考\n💡 技术细节请参阅[API参考](https:\u002F\u002Fagentuniverse.readthedocs.io\u002Fen\u002Flatest\u002F)。\n\n****************************************\n\n## 支持\n\n### 通过GitHub Issues提交问题\n😊 建议您使用[Github Issues](https:\u002F\u002Fgithub.com\u002Fagentuniverse-ai\u002FagentUniverse\u002Fissues)提交问题，我们通常会在2个工作日内回复。\n\n### 通过Discord联系我们\n😊 欢迎加入我们的[Discord频道](https:\u002F\u002Fdiscord.gg\u002FDHFcdkWAhn)，与我们互动。\n\n### 通过管理员邮箱联系我们\n😊 邮箱：\n* [jihan.hanji@antgroup.com](mailto:jihan.hanji@antgroup.com)\n* [jerry.zzw@antgroup.com](mailto:jerry.zzw@antgroup.com)\n* [jinshi.zjs@antgroup.com](mailto:jinshi.zjs@antgroup.com)\n\n### Twitter\nID：[@agentuniverse_](https:\u002F\u002Fx.com\u002Fagentuniverse_)\n\n\n****************************************\n\n## 引用\n\nagentUniverse项目中构建的PEER多智能体框架得到了以下研究成果的支持。\n\nBibTeX格式\n```text\n@misc{wang2024peerexpertizingdomainspecifictasks,\n      title={PEER: 用多智能体框架及微调方法实现领域特定任务的专业化}, \n      author={王怡颖、李晓静、王彬竹、周岳阳、韩汉、陈宏、张金石、余飞、赵泽伟、金松、龚仁吉、徐万青},\n      year={2024},\n      eprint={2407.06985},\n      archivePrefix={arXiv},\n      primaryClass={cs.AI},\n      url={https:\u002F\u002Farxiv.org\u002Fabs\u002F2407.06985}, \n}\n```\n概述：本文详细介绍了PEER多智能体框架的机制和原理。实验部分从完整性、相关性、简洁性、事实性、逻辑性、结构性和全面性七个维度进行评分，每个维度满分5分。平均而言，PEER模型在各项评估指标上均优于BabyAGI，尤其在完整性、相关性、逻辑性、结构性和全面性方面表现突出。此外，使用GPT-3.5 Turbo（16k）模型测试时，PEER模型的准确率高达83%，而使用GPT-4模型时，准确率达到81%。更多详情请参阅原文。\n🔗https:\u002F\u002Farxiv.org\u002Fpdf\u002F2407.06985\n\n****************************************\n\n### 致谢\n\n本项目部分基于Langchain、Pydantic、Gunicorn、Flask、SQLAlchemy、chromadb等优秀的开源项目构建而成（详细的依赖列表可在pyproject.toml中找到）。在此向相关项目及其贡献者表示衷心的感谢。🙏🙏🙏","# agentUniverse 快速上手指南\n\nagentUniverse 是一个基于大语言模型的多智能体框架，源自蚂蚁集团（AntGroup）的真实金融业务实践。它提供丰富的多智能体协作模式组件（如 PEER、DOE），帮助开发者轻松构建具备领域专家能力的智能体应用。\n\n## 环境准备\n\n在开始之前，请确保您的开发环境满足以下要求：\n\n*   **操作系统**：Linux, macOS 或 Windows\n*   **Python 版本**：3.10 或更高版本\n*   **依赖管理**：建议使用 `pip` 进行包管理\n*   **API Key**：根据您选择的大模型厂商（如 Qwen, DeepSeek, OpenAI 等），需提前准备好对应的 API Key。\n\n## 安装步骤\n\n### 1. 安装核心框架\n使用 pip 直接安装 agentUniverse：\n\n```shell\npip install agentUniverse\n```\n\n> **提示**：国内用户若遇到下载速度慢的问题，可使用清华或阿里云镜像源加速：\n> ```shell\n> pip install agentUniverse -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple\n> ```\n\n### 2. 安装可视化平台依赖（可选）\n如果您需要使用可视化的智能体工作流编排平台，还需安装以下依赖：\n\n```shell\npip install magent-ui ruamel.yaml\n```\n\n### 3. 配置大模型密钥\n安装完成后，您需要配置大模型的 API Key。\n1. 找到或创建配置文件 `custom_key.toml`。\n2. 填入对应厂商的 Key，例如配置 DeepSeek：\n   ```toml\n   DEEPSEEK_API_KEY = \"your_deepseek_api_key_here\"\n   ```\n3. 在智能体配置文件中将 `llm_model` 名称设置为对应的默认值（如 `'default_deepseek_llm'`）。\n\n## 基本使用\n\n### 运行第一个示例\n安装完成后，您可以直接运行官方提供的教程示例，快速体验智能体的协作能力。\n\n请参考官方文档执行具体步骤：\n[Run the first example](docs\u002Fguidebook\u002Fen\u002FGet_Start\u002F2.Run_Your_First_Tutorial_Example.md)\n\n### 构建单个智能体\n若要快速构建一个具备工具调用、知识库检索（RAG）能力的单智能体，可参考以下指南了解配置、测试及部署流程：\n[Quick Guide to Build Single Agent](docs\u002Fguidebook\u002Fen\u002FGet_Start\u002F3.Quick_Guide_to_Build_Single_Agent.md)\n\n### 启动可视化工作流平台\n如果您已安装可视化依赖，可以通过以下命令一键启动可视化的智能体工作流编排平台：\n\n```shell\npython examples\u002Fsample_apps\u002Fworkflow_agent_app\u002Fbootstrap\u002Fplatform\u002Fproduct_application.py\n```\n\n启动后，您可以在浏览器中通过图形化界面拖拽编排智能体工作流。更多细节请参阅：\n[Product Platform Quick Start](docs\u002Fguidebook\u002Fen\u002FHow-to\u002FGuide to Visual Agentic Workflow Platform\u002FProduct_Platform_Quick_Start.md)","某金融科技公司投研团队需每日从海量市场数据中快速生成深度行业分析报告，以辅助投资决策。\n\n### 没有 agentUniverse 时\n- **流程割裂且低效**：分析师需手动收集数据、撰写初稿并反复校对，单人耗时数小时，难以应对突发市场波动。\n- **专业度难以保证**：通用大模型缺乏金融领域知识，生成的报告常出现数据解读偏差或逻辑漏洞，需专家大量返工。\n- **协作成本高昂**：不同角色（数据员、撰稿人、审核员）之间依靠人工传递信息，沟通误差导致最终产出质量不稳定。\n- **扩展性差**：每当新增分析维度（如加入宏观政策因子），需重新编写整套代码逻辑，开发周期长。\n\n### 使用 agentUniverse 后\n- **自动化流水线作业**：利用内置的 PEER 模式，自动调度“计划、执行、表达、审查”四个智能体串联工作，将报告生成时间从小时级缩短至分钟级。\n- **领域专家能力内嵌**：通过 DOE 模式注入金融专家经验，让“数据提炼”与“观点注入”智能体精准处理复杂财报，确保数据计算零误差且观点深刻。\n- **多智能体协同闭环**：各智能体各司其职并基于反馈迭代优化，自动发现并修正逻辑矛盾，输出质量稳定达到资深分析师水平。\n- **灵活配置快速落地**：仅需简单配置文件即可切换 Qwen 或 Deepseek 等底层模型，新增分析场景时无需重构代码，直接复用现有协作模式组件。\n\nagentUniverse 将蚂蚁集团真实的金融业务实践转化为可复用的多智能体协作模式，让企业能以极低门槛构建出具备领域专家水平的智能代理团队。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fagentuniverse-ai_agentUniverse_ee5b84ad.jpg","agentuniverse-ai","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fagentuniverse-ai_83cde144.png","",null,"https:\u002F\u002Fgithub.com\u002Fagentuniverse-ai",[81],{"name":82,"color":83,"percentage":84},"Python","#3572A5",100,2182,375,"2026-04-03T16:02:28","Apache-2.0","未说明",{"notes":91,"python":92,"dependencies":93},"该工具主要作为多智能体框架，通过配置 API Key 调用云端大模型（如 Qwen, DeepSeek, OpenAI 等），README 中未提及本地部署大模型所需的 GPU 或内存需求。若需使用可视化工作流平台，需额外安装 magent-ui 和 ruamel.yaml。","3.10+",[67,94,95],"magent-ui","ruamel.yaml",[15,13,14,26],[98,99,100,101,102,103,104,105,106],"agent","ai","llm","multi-agent","python","awesome","awesome-list","ai-agents","autonomous","2026-03-27T02:49:30.150509","2026-04-06T10:24:03.954899",[110,115,120,125,129,134,139],{"id":111,"question_zh":112,"answer_zh":113,"source_url":114},17017,"运行第一个教程案例（使用 DeepSeek 或其他模型）时报错，如何正确配置？","只需配置三个核心文件即可运行：config.toml、custom_key.toml 和 demo_agent.yaml。请确保在 custom_key.toml 中正确填写了对应模型的 API Key。如果是 Windows 环境遇到路径冲突导致默认模型跳过检查失败，可以尝试在 custom_key.toml 中将 DASHSCOPE_API_KEY 设置为任意非空值（如 'xxxx'）作为临时方案，或者修改源码 system_util 中的路径判断逻辑，将斜杠（\u002F）改为反斜杠（\\）以兼容 Windows 文件路径。","https:\u002F\u002Fgithub.com\u002Fagentuniverse-ai\u002FagentUniverse\u002Fissues\u002F318",{"id":116,"question_zh":117,"answer_zh":118,"source_url":119},17018,"如何在多线程（threading.Thread）中使用 AgentUniverse Manager 而不出现 pickle 错误？","如果在多线程中调用 agent.run() 时出现 `TypeError: cannot pickle '_thread.RLock' object` 错误，通常是因为 Planner 中的 `handle_llm` 方法实例化方式不当。请将代码调整为使用 `LLMManager().get_instance_obj(component_instance_name=llm_name, new_instance=False)` 来获取 LLM 实例，避免重复创建导致的状态冲突。","https:\u002F\u002Fgithub.com\u002Fagentuniverse-ai\u002FagentUniverse\u002Fissues\u002F131",{"id":121,"question_zh":122,"answer_zh":123,"source_url":124},17019,"如何配置框架以连接百度（Baidu）或其他非 OpenAI 的大模型？","需要修改 llm.yaml 配置文件。主要更改两处：1. 将 `model_name` 改为目标模型的名称（例如百度的模型名）；2. 将 `metadata` 下的 `module` 指向对应的实现模块（默认是 `agentuniverse.llm.default.default_openai_llm`，需改为支持该模型的模块路径），并确认 `class` 名称正确。同时确保在 custom_key.toml 中配置了正确的 API Key。","https:\u002F\u002Fgithub.com\u002Fagentuniverse-ai\u002FagentUniverse\u002Fissues\u002F49",{"id":126,"question_zh":127,"answer_zh":128,"source_url":124},17020,"报错提示 'AttributeError: NoneType object has no attribute run' 或找不到 Agent 实例，如何解决？","这表示 AgentManager 无法找到指定名称的 Agent 实例。最常见的原因是项目启动时的扫描路径配置错误。请检查项目根目录下的 `config.toml` 文件，确保 `[CORE_PACKAGE]` 或 `agent` 列表中的路径正确指向了包含 Agent 定义文件的目录（例如 `['app.core.agent']`）。如果直接复制示例项目，请确认没有错误地修改了 Agent 的名称，且配置文件路径与实际目录结构一致。",{"id":130,"question_zh":131,"answer_zh":132,"source_url":133},17021,"运行 law_chat_bot 案例时报错 'api_key client option must be set'，即使已经配置了 Key 怎么办？","该问题通常是因为案例中混合使用了多种模型，但只配置了其中一种的 Key。例如 law_chat_bot 案例中，Agent 主逻辑可能使用了 `qwen-long`（需配置 DASHSCOPE_API_KEY），但其内部的 RAG Router（nlu_rag_router.yaml）默认可能配置了其他模型（如 OpenAI 或默认的 qwen-max）。解决方法是检查所有相关的 yaml 配置文件（特别是 router 和 planner 部分），将其中涉及的 `model_name` 统一修改为你已配置 Key 的模型（如都改为千问系列），或者补充缺失模型的 API Key 配置。","https:\u002F\u002Fgithub.com\u002Fagentuniverse-ai\u002FagentUniverse\u002Fissues\u002F187",{"id":135,"question_zh":136,"answer_zh":137,"source_url":138},17022,"框架是否支持 MCP 协议？","是的，框架已经支持 MCP 协议。该功能已在版本 0.0.17 中正式发布。请升级您的 AgentUniverse 到 0.0.17 或更高版本即可使用。","https:\u002F\u002Fgithub.com\u002Fagentuniverse-ai\u002FagentUniverse\u002Fissues\u002F366",{"id":140,"question_zh":141,"answer_zh":142,"source_url":114},17023,"多 Agent 场景下，系统内置 Agent 的注册逻辑和 Key 配置优先级是怎样的？","系统内置 Agent（is_system_builtin）的判断逻辑是为了兼容老版本用户体验，计划在后续几个版本后移除。目前及未来的版本中，Key 的注册和生效将以 `custom_key.toml` 的配置为准。老版本基于 scan_path 扫描的设计正在改版，建议用户直接在 `custom_key.toml` 中管理所有 API Key，无需依赖旧式的自动扫描机制。",[144,149,154,159,164,169,174,179,184,189,194,199,204,209,214,219,224],{"id":145,"version":146,"summary_zh":147,"released_at":148},99280,"v0.0.9","## [0.0.9] - 2024-06-14\r\n### Added\r\n- Added standard integration for Claude and Ollama LLM components\r\n- Added new Qwen embedding module\r\n- Added default agents for ReAct-Type and NL2API-Type\r\n\r\n### Note\r\n- Added new use cases\r\n  - RAG-Type Agent Examples: Legal Consultation Agent\r\n  - ReAct-Type Agent Examples: Python Code Generation and Execution Agent\r\n  - Multi-Agent: Discussion Group Based on Multi-Turn Multi-Agent Mode\r\n\r\n  For more details, please refer to the use case section in the user documentation.\r\n- Some code optimizations and documentation updates.\r\n\r\n************************************************************************************************************************************\r\n### More Details\r\n#### What's Changed\r\n* docs: add Japanese README file by @eltociear in https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F68\r\n* docs: Add knowledge content into the guidebook. by @LandJerry in https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F69\r\n* docs: Add memory content into the guidebook. by @LandJerry in https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F70\r\n* docs: Add planner content into the guidebook. by @LandJerry in https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F71\r\n* Add: Chromadb docs, dashscope embedding. Change: Fix opentelemetry-exporter-otlp-proto-grpc version to 1.25.0 by @AniviaTn in https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F72\r\n* feat: add demo discussion agents in agentUniverse. by @EdwinInAu in https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F73\r\n* merge master by @AniviaTn in https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F75\r\n* feat: add demo discussion agents in agentUniverse. by @EdwinInAu in https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F76\r\n* add react planner by @weizjajj in https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F74\r\n* fix tool name by @weizjajj in https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F79\r\n* improvement: tweak prompts of the discussion group agents by @EdwinInAu in https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F80\r\n* add doc by @weizjajj in https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F82\r\n* add result picture by @weizjajj in https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F83\r\n* Improvement: add demo pictures of the discussion group agents. by @EdwinInAu in https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F84\r\n* Improvement: tweak comments in the prompt_util file by @EdwinInAu in https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F85\r\n* add step info by @weizjajj in https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F86\r\n* compress pictures by @weizjajj in https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F87\r\n* feat: Release version 0.0.9 by @LandJerry in https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F88\r\n\r\n## New Contributors\r\n* @eltociear made their first contribution in https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F68\r\n\r\n**Full Changelog**: https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fcompare\u002Fv0.0.8...v0.0.9","2024-06-14T10:36:40",{"id":150,"version":151,"summary_zh":152,"released_at":153},99270,"v0.0.19","## [0.0.19] - 2025-11-17\n### 新增功能\n- 增加了对 AWS Bedrock 模型的支持\n- 增加了对 Ollama 嵌入组件的支持\n- 增加了对 Jina 重排序组件的支持\n- 增加了向量数据库组件的支持\n  - 支持 Faiss 向量数据库\n  - 支持 Qdrant 向量数据库\n- 增加了一批新的 Reader 数据加载组件\n  - 增加了 Notion、GoogleDoc、Confluence 云端文档加载组件\n  - 增加了对 epub、rar、sevenzip、zip、xlsx 等文件格式的支持\n  - 增加了基于 PaddleOCR 的图片和 PDF 文件文本提取组件\n  - 增加了基于 Playwright 和 bs4 的网页加载组件\n- 增加了 GitHub 和 YouTube 检索工具\n- 增加了 McpSessionManager 的异步安全退出方法\n- 在 Otel-llm-instrumentor 模块中增加了模型 Token 消耗记录功能\n\n### 修复\n- 修复了 RecursiveCharacterTextSplitter 组件分割方法中的参数命名错误\n- 修复了 MCPToolkit 中 connection_kwargs 参数传递缺失的问题\n- 修复了 RequestTask 中任务异常退出时队列释放异常的问题\n\n### 备注\n- 提升了 SlsSender 模块 put 方法的安全性\n- 增强了 logging_util 中事件循环处理的健壮性\n- 优化了 Monitor 模块 add_invocation_chain 方法的可靠性\n- 包含了一些第三方社区示例和工具\n- 进行了额外的代码优化和文档更新\n\n************************************************************************************************************************************\n### 更多详情\n#### 变更内容\n* 由 @co63oc 在 https:\u002F\u002Fgithub.com\u002Fagentuniverse-ai\u002FagentUniverse\u002Fpull\u002F426 中修复头部信息中的 FileName 错误\n* 功能：增加 YouTube 工具支持，实现按关键词搜索视频、获取热门视频及频道信息，由 @xmhu2001 在 https:\u002F\u002Fgithub.com\u002Fagentuniverse-ai\u002FagentUniverse\u002Fpull\u002F418 中实现\n* 功能：新增 ERNIE 4.5 系列支持，由 @fangfangssj 在 https:\u002F\u002Fgithub.com\u002Fagentuniverse-ai\u002FagentUniverse\u002Fpull\u002F417 中实现\n* 杂项：由 @ooooo-create 在 https:\u002F\u002Fgithub.com\u002Fagentuniverse-ai\u002FagentUniverse\u002Fpull\u002F424 中修复拼写错误\n* 1. 修复类成员 separators 写错导致的运行错误，由 @z4656207 在 https:\u002F\u002Fgithub.com\u002Fagentuniverse-ai\u002FagentUniverse\u002Fpull\u002F420 中完成\n* 杂项：由 @co63oc 在 https:\u002F\u002Fgithub.com\u002Fagentuniverse-ai\u002FagentUniverse\u002Fpull\u002F431 中修复 FileName 不一致问题\n* 实现 Jina 重排序器，由 @xmhu2001 在 https:\u002F\u002Fgithub.com\u002Fagentuniverse-ai\u002FagentUniverse\u002Fpull\u002F432 中完成\n* 文档：在 guidebook-zh-开始使用-3.快速构建单体智能体.md 中添加图片，由 @Kang-Y-F 在 https:\u002F\u002Fgithub.com\u002Fagentuniverse-ai\u002FagentUniverse\u002Fpull\u002F435 中完成\n* 杂项：由 @NLLFish 在 https:\u002F\u002Fgithub.com\u002Fagentuniverse-ai\u002FagentUniverse\u002Fpull\u002F436 中修复拼写错误和 Markdown 链接失效问题，并提升翻译可读性\n* 文档：为 context 模块和 demo_agent 添加 Google 风格的文档字符串，由 @yu-2-tang 在 https:\u002F\u002Fgithub.com\u002Fagentuniverse-ai\u002FagentUniverse\u002Fpull\u002F437 中完成\n* 功能：增加 Excel 文件读取支持（.xlsx），由 @toni20050606 在 https:\u002F\u002Fgithub.com\u002Fagentuniverse-ai\u002FagentUniverse\u002Fpull\u002F438 中实现\n* 修复并替换 logging_u 中已弃用的 get_event_loop_policy","2025-11-17T15:25:54",{"id":155,"version":156,"summary_zh":157,"released_at":158},99271,"v0.0.18","## [0.0.18] - 2025-07-10\n### 新增功能\n- 基于 OTel 协议为代理应用新增可观测性能力  \n  建立了基于 OTel（OpenTelemetry）协议的 aU 代理应用观测标准。在代理、大模型和工具等关键组件中，全面采集指标和链路追踪数据，包括 Token 消耗、延迟、成功率等。该实现支持与 SigNoz、Jaeger 和 Prometheus 等主流可观测性框架集成，从而实现对代理的全生命周期可观测性。\n\n- 为 SLS 日志记录器新增异步 Sink 和 Sender 组件\n\n### 修复\n- Stdio 模式下的 MCP 服务现支持用户可配置的环境参数\n\n### 备注\n- 第三方包依赖变更（格式：旧版本 -> 新版本；单个版本表示全新）\n  - openai（“1.13.3” -> “1.55.3”）\n  - opentelemetry-api（“^1.25.0”）\n  - opentelemetry-sdk（“^1.25.0”）\n  - opentelemetry-semantic-conventions（“>=0.48b0”）\n  - opentelemetry-exporter-otlp-proto-http（“^1.25.0”）\n  - httpx（“0.27.2” -> “>=0.27.2”）\n  - jsonlines（“^4.0.0”）\n- 其他代码优化及文档更新\n\n************************************************************************************************************************************\n### 更多详情\n#### 变更内容\n* 修复：mcp 工具无法正确传递环境变量的问题，由 @AniviaTn 在 https:\u002F\u002Fgithub.com\u002Fagentuniverse-ai\u002FagentUniverse\u002Fpull\u002F406 中完成\n* 变更：dependency httpx 可以使用 0.28 版本，由 @AniviaTn 在 https:\u002F\u002Fgithub.com\u002Fagentuniverse-ai\u002FagentUniverse\u002Fpull\u002F407 中完成\n* 修复：添加自定义工具时 peer_agent_app 启动失败的问题，由 @AlvinYueChao 在 https:\u002F\u002Fgithub.com\u002Fagentuniverse-ai\u002FagentUniverse\u002Fpull\u002F410 中完成\n* 修复：llm 通道初始化时多余参数的 bug，由 @weizjajj 在 https:\u002F\u002Fgithub.com\u002Fagentuniverse-ai\u002FagentUniverse\u002Fpull\u002F409 中完成\n* 功能：基于 Otel 的 Trace 和 Metrics，LOGGER 支持异步方法，并新增 sls 异步 sink，由 @AniviaTn 在 https:\u002F\u002Fgithub.com\u002Fagentuniverse-ai\u002FagentUniverse\u002Fpull\u002F408 中完成\n* 功能：为代理和工具 Span 添加 Token 计数，由 @AniviaTn 在 https:\u002F\u002Fgithub.com\u002Fagentuniverse-ai\u002FagentUniverse\u002Fpull\u002F412 中完成\n* 功能：为代理和工具 Span 添加 Token 计数，由 @AniviaTn 在 https:\u002F\u002Fgithub.com\u002Fagentuniverse-ai\u002FagentUniverse\u002Fpull\u002F413 中完成\n* 修复：Token 文本拆分器参数错误的问题，由 @AniviaTn 在 https:\u002F\u002Fgithub.com\u002Fagentuniverse-ai\u002FagentUniverse\u002Fpull\u002F415 中完成\n* 修复错别字，由 @co63oc 在 https:\u002F\u002Fgithub.com\u002Fagentuniverse-ai\u002FagentUniverse\u002Fpull\u002F414 中完成\n* 功能：发布版本 0.0.18，由 @LandJerry 在 https:\u002F\u002Fgithub.com\u002Fagentuniverse-ai\u002FagentUniverse\u002Fpull\u002F416 中完成\n\n## 新贡献者\n* @AlvinYueChao 在 https:\u002F\u002Fgithub.com\u002Fagentuniverse-ai\u002FagentUniverse\u002Fpull\u002F410 中完成了首次贡献\n\n**完整变更日志**：https:\u002F\u002Fgithub.com\u002Fagentuniverse-ai\u002FagentUniverse\u002Fcompare\u002Fv0.0.17...v0.0.18","2025-07-10T10:10:37",{"id":160,"version":161,"summary_zh":162,"released_at":163},99272,"v0.0.17","## [0.0.17] - 2025-05-22\n### 新增\n- MCP 集成与发布能力  \n  支持快速集成 MCPServer 作为代理，并允许将 aU 中的工具\u002F工具包以 MCPServer 服务的形式发布。\n- 工具包能力  \n  支持对工具进行分类管理，并为代理配置工具。\n- 知识阅读器组件  \n  - 新增语雀文档加载组件\n- 在基础工具类中新增 `async_execute` 方法，支持异步调用工具。\n- 新增用于追踪收集处理的自定义插件扩展。\n- 新增通义千问3系列模型的完整配置。\n\n### 变更\n- 请求上下文优化\n\n### 废弃\n- ToolInput 对象  \n  不再推荐使用 `ToolInput` 对象来传递工具参数（将在未来三个版本中移除）。请参考 `agentuniverse.agent.action.tool.common_tool` 获取更新后的建议。\n\n### 注意事项\n- 新增第三方依赖\n  - mcp (\"~=1.9.0\")\n  - opentracing (\">=2.4.0,\u003C3.0.0\")\n- 其他代码优化及文档更新\n\n************************************************************************************************************************************\n### 更多详情\n#### 变更内容\n* 修复 span 问题，由 @weizjajj 在 https:\u002F\u002Fgithub.com\u002Fagentuniverse-ai\u002FagentUniverse\u002Fpull\u002F378 中完成\n* 支持异步调用工具，由 @weizjajj 在 https:\u002F\u002Fgithub.com\u002Fagentuniverse-ai\u002FagentUniverse\u002Fpull\u002F374 中完成\n* 修复 channel 问题，由 @weizjajj 在 https:\u002F\u002Fgithub.com\u002Fagentuniverse-ai\u002FagentUniverse\u002Fpull\u002F383 中完成\n* 新增 OpenAI 工具英文说明文档，由 @weizjajj 在 https:\u002F\u002Fgithub.com\u002Fagentuniverse-ai\u002FagentUniverse\u002Fpull\u002F382 中完成\n* Release 20250425，由 @AniviaTn 在 https:\u002F\u002Fgithub.com\u002Fagentuniverse-ai\u002FagentUniverse\u002Fpull\u002F385 中完成\n* 文档：调整 LLM channel 相关文档，由 @EdwinInAu 在 https:\u002F\u002Fgithub.com\u002Fagentuniverse-ai\u002FagentUniverse\u002Fpull\u002F384 中完成\n* 修复错别字，由 @co63oc 在 https:\u002F\u002Fgithub.com\u002Fagentuniverse-ai\u002FagentUniverse\u002Fpull\u002F387 中完成\n* 功能：更新通义千问3系列模型配置，由 @LandJerry 在 https:\u002F\u002Fgithub.com\u002Fagentuniverse-ai\u002FagentUniverse\u002Fpull\u002F388 中完成\n* 文档：调整 README 中的图标大小，由 @LandJerry 在 https:\u002F\u002Fgithub.com\u002Fagentuniverse-ai\u002FagentUniverse\u002Fpull\u002F391 中完成\n* 功能：添加 MCP 工具、工具包，并支持发布到 MCP 服务器，由 @AniviaTn 在 https:\u002F\u002Fgithub.com\u002Fagentuniverse-ai\u002FagentUniverse\u002Fpull\u002F396 中完成\n* 开发追踪中心，由 @weizjajj 在 https:\u002F\u002Fgithub.com\u002Fagentuniverse-ai\u002FagentUniverse\u002Fpull\u002F393 中完成\n* 功能：新增语雀文档知识阅读器，由 @KiteSoar 在 https:\u002F\u002Fgithub.com\u002Fagentuniverse-ai\u002FagentUniverse\u002Fpull\u002F392 中完成\n* 修复：适配 MCP 1.9.0 版本，由 @AniviaTn 在 https:\u002F\u002Fgithub.com\u002Fagentuniverse-ai\u002FagentUniverse\u002Fpull\u002F397 中完成\n* 修复 scene_code 问题，由 @weizjajj 在 https:\u002F\u002Fgithub.com\u002Fagentuniverse-ai\u002FagentUniverse\u002Fpull\u002F398 中完成\n* 修复：在工具调用失败时添加警告提示，由 @AniviaTn 在 https:\u002F\u002Fgithub.com\u002Fagentuniverse-ai\u002FagentUniverse\u002Fpull\u002F399 中完成\n* 变更：as_mcp_tool 现仅接受布尔值和字典类型，由 @AniviaTn 在 https:\u002F\u002Fgithub.com\u002Fagentuniverse-ai\u002FagentUniverse\u002Fpull\u002F401 中完成\n* 兼容用户传递的 extra_body 参数，由 @weizjajj 在 https:\u002F\u002Fgithub.com\u002Fagentuniverse-ai\u002FagentUniverse\u002Fpull\u002F400 中完成\n* 变更：as_mcp_tool 现仅接受布尔值和字典类型，由 @Aniv","2025-05-22T09:02:06",{"id":165,"version":166,"summary_zh":167,"released_at":168},99273,"v0.0.16","## [0.0.16] - 2025-04-17\n### 新增功能\n- 新工具插件\n  - 增加基于 OpenCV OCR 能力的图片文本提取工具\n  - 增加 Shell 命令状态查询与执行工具\n  - 增加通用文件读写工具\n  - 增加 Tavily 智能搜索工具\n- 知识读取与处理组件\n  - 增加飞书云文档加载组件\n  - 增加通用代码加载组件\n  - 增加基于 AST（抽象语法树）的代码处理组件\n- 支持 LLM 模型通道配置，可跨不同渠道平台提供商切换模型。\n- 增加 Google Gemini 2.5 Pro 模型配置。\n- aU Agent 支持与 chatbox 和 CherryStudio 客户端集成。详情请参阅[文档](https:\u002F\u002Fgithub.com\u002Fagentuniverse-ai\u002FagentUniverse\u002Fblob\u002Fmaster\u002Fdocs\u002Fguidebook\u002Fen\u002FIn-Depth_Guides\u002FTutorials\u002FLLM\u002FLLM_Channel.md)。\n\n### 注意事项\n- 更改第三方依赖版本约束：\n  - tiktoken（'0.5.2' -> '\u003C1.0.0'）\n  - pydantic（'~2.6.4' -> '^2.6.4'）\n- 主分支已在 Python 3.10、3.11 和 3.12 上通过回归测试。\n- 其他代码优化及文档更新。\n\n************************************************************************************************************************************\n### 更多详情\n#### 变更内容\n* 支持 OpenAI 聊天协议，由 @weizjajj 在 https:\u002F\u002Fgithub.com\u002Fagentuniverse-ai\u002FagentUniverse\u002Fpull\u002F330 中实现。\n* Dev 分支合并至 Dev_fanen，由 @AniviaTn 在 https:\u002F\u002Fgithub.com\u002Fagentuniverse-ai\u002FagentUniverse\u002Fpull\u002F341 中完成。\n* 文档：丰富用户文档并添加英文内容，由 @EdwinInAu 在 https:\u002F\u002Fgithub.com\u002Fagentuniverse-ai\u002FagentUniverse\u002Fpull\u002F345 中完成。\n* 修复：代理始终通过 Flask 异步运行 API 流式调用 LLM，由 @AniviaTn 在 https:\u002F\u002Fgithub.com\u002Fagentuniverse-ai\u002FagentUniverse\u002Fpull\u002F343 中修复。\n* 修复：解决重复注册问题，由 @EdwinInAu 在 https:\u002F\u002Fgithub.com\u002Fagentuniverse-ai\u002FagentUniverse\u002Fpull\u002F342 中完成。\n* 修复：统一 Windows 和 Linux 下的路径格式，由 @EdwinInAu 在 https:\u002F\u002Fgithub.com\u002Fagentuniverse-ai\u002FagentUniverse\u002Fpull\u002F346 和 \u002F347 中完成。\n* Dev 修复聊天补全功能，由 @weizjajj 在 https:\u002F\u002Fgithub.com\u002Fagentuniverse-ai\u002FagentUniverse\u002Fpull\u002F349 中完成。\n* Dev 更新，由 @AniviaTn 在 https:\u002F\u002Fgithub.com\u002Fagentuniverse-ai\u002FagentUniverse\u002Fpull\u002F352 中完成。\n* 修复：追踪 bug，由 @AniviaTn 在 https:\u002F\u002Fgithub.com\u002Fagentuniverse-ai\u002FagentUniverse\u002Fpull\u002F354 中修复。\n* 功能：更新组织迁移的 URL，由 @LandJerry 在 https:\u002F\u002Fgithub.com\u002Fagentuniverse-ai\u002FagentUniverse\u002Fpull\u002F355 中完成。\n* 修复 Jina 工具 YAML 文件，由 @z4656207 在 https:\u002F\u002Fgithub.com\u002Fagentuniverse-ai\u002FagentUniverse\u002Fpull\u002F361 中完成。\n* 修复：添加遗漏的依赖 `tomli`，由 @007gzs 在 https:\u002F\u002Fgithub.com\u002Fagentuniverse-ai\u002FagentUniverse\u002Fpull\u002F353 中完成。\n* 杂项：修正注释，由 @KiteSoar 在 https:\u002F\u002Fgithub.com\u002Fagentuniverse-ai\u002FagentUniverse\u002Fpull\u002F348 中完成。\n* 功能：新增查看文件工具，解决 #252 问题，由 @hiromesh 在 https:\u002F\u002Fgithub.com\u002Fagentuniverse-ai\u002F","2025-04-17T13:04:18",{"id":170,"version":171,"summary_zh":172,"released_at":173},99274,"v0.0.15","## [0.0.15] - 2025-03-03\n### 新增\n- 新的嵌入组件  \n  - Azure-OpenAI 嵌入组件\n  - Gemini 嵌入组件\n  - Doubao 嵌入组件\n- 新的知识加载阅读器组件\n  - 基于 BeautifulSoup (bs4) 的网页阅读器组件\n  - 基于 OCR 技术的图像阅读器组件\n  - CSV 格式阅读器组件\n- 新的工具插件\n  - Arxiv 论文检索与查询工具插件\n  - Jina AI 智能搜索工具插件\n- 为推理类模型新增了标准的 LLM 输出解析器\n- 为智能体、LLM 和工具新增了标准的日志记录器接收端\n- 新增了重试功能注解\n\n### 变更  \n- 改进了项目配置体验，主要优化如下：\n  - 项目配置现支持全局 PACKAGE 路径替换。详情请参阅示例项目 config.toml 文件中的 PACKAGE_PATH_INFO 参数。\n  - 支持用户自定义配置扩展及 YAML 函数扩展。详情请参阅示例项目 config.toml 文件中的 EXTENSION_MODULES 参数。\n  - 更新了 custom_key.toml.sample，增加了更为详细的参数内容。\n  - 提交了一组常用模型配置 YAML 文件。详情请参阅示例项目的 llm 目录。\n  - YAML 配置现支持通过环境变量和扩展函数自定义加载属性。详情请参阅示例项目 llm 示例中的 api_key 注释。\n  - 简化了 LLM 配置。默认情况下，会读取全局 default_llm 配置。详情请参阅示例项目 llm 示例中的 default_llm.toml 配置。\n  - 简化了组件扩展配置。组件元数据中的 module 部分可以留空，系统将默认在同一目录下查找同名的 Python 扩展文件。\n- 优化了项目启动流程，主要改进如下：\n  - 改进了 LLM 组件的启动注册机制。只有被智能体、工具等组件依赖的 LLM 实例才会被启动。\n  - 增强了项目启动时的错误信息提示。\n- 其他变更：\n  - 将内存存储对象 LocalMemoryStorage 重命名为 RamMemoryStorage。\n\n### 备注 \n- 为应用项目新增了 image_build 镜像打包文件及教程文档。\n- 为项目新增了 CONTRIBUTING.md 文档。\n- 对项目的 PR 和 ISSUE 模板进行了标准化。\n- 新增了一个基于多模态能力的智能体示例实践。详情请参阅项目中的 examples\u002Fmultimodal_app 目录。\n- 我们的项目已被收录到 DeepSeek 于二月份发布的 awesome-deepseek-integration 列表中。\n\n************************************************************************************************************************************\n### 更多详情\n#### 变更内容\n* Merge master to dev_fanen by @AniviaTn in https:\u002F\u002Fgithub.com\u002Fantgroup\u002FagentUniverse\u002Fpull\u002F240\n* merge fix_sample to dev_fanen by @","2025-03-03T14:07:26",{"id":175,"version":176,"summary_zh":177,"released_at":178},99275,"v0.0.14","## [0.0.14] - 2025-01-26\n### 新增功能\n- aU 内存组件版本更新  \n新版通过全局内存模块，为多智能体应用提供全面的内存管理和利用能力。它能够自动收集、记录和处理多个智能体之间的内存交互，包括对话、模型调用、工具调用以及知识检索等。此外，还支持单智能体和多智能体场景下的内存添加、检索、修改、压缩、修剪、提取以及多源持久化等功能。\n\n- 新增 AgentTemplate 组件和 WorkPattern 组件  \nAgentTemplate 组件帮助用户根据预定义模板快速创建智能体；WorkPattern 组件则协助智能体团队选择特定的合作模式。在 V0.0.13 之前的版本中，Planner 组件同时承担了智能体的自定义逻辑和工作模式的功能。然而，由于任务需求的变化，智能体的自定义逻辑经常需要调整，而工作模式则更注重验证和稳定性。因此，用户常常需要重写 Planner 组件，并将精力集中在与工作模式相关的代码逻辑上，这显著增加了使用和开发成本。新版本将智能体构建过程中的自定义逻辑与工作模式进行了分层设计，使协作模式的研究和智能体的构建更加专注和高效。原有的 Planner 组件仍将保留，但不再推荐使用。\n\n- 知识组件更新  \n新增：Markdown 格式知识加载组件、文档章节与段落分割组件、知识图谱存储组件（测试版）。\n\n### 变更内容\n- 标准化项目脚手架更新  \n项目脚手架已实现标准化。更多详情请参阅[「应用项目结构与说明」](.\u002Fdocs\u002Fguidebook\u002Fen\u002FGet_Start\u002F1.Application_Project_Structure_and_Explanation.md)。针对旧版本用户，我们提供了相应的迁移指南和工具以帮助完成升级。\n\n### 注意事项\n- 更新内存新版本的相关文档\n- 优化官方文档及示例项目\n- 征集高优先级功能需求\n\n************************************************************************************************************************************\n### 更多详情\n#### 变更内容\n* @AniviaTn 在 https:\u002F\u002Fgithub.com\u002Fantgroup\u002FagentUniverse\u002Fpull\u002F163 中合并主分支\n* @EdwinInAu 在 https:\u002F\u002Fgithub.com\u002Fantgroup\u002FagentUniverse\u002Fpull\u002F164 中将 dev 分支合并至 dev_memory 分支\n* 修复：Milvus 存储查询 bug，仅支持 List[List[float]] 格式，由 @AniviaTn 在 https:\u002F\u002Fgithub.com\u002Fantgroup\u002FagentUniverse\u002Fpull\u002F166 中完成\n* 添加快速入门指南，由 @weizjajj 在 https:\u002F\u002Fgithub.com\u002Fantgroup\u002FagentUniverse\u002Fpull\u002F148 中实现\n* 修复：部分版本的 Milvus 不支持返回向量结果","2025-01-26T10:20:09",{"id":180,"version":181,"summary_zh":182,"released_at":183},99276,"v0.0.13","# [0.0.13] - 2024-09-12\n### 新增\n- RAG（检索增强生成）组件版本更新。\n  本版本提供了知识库构建及RAG检索召回阶段的标准操作流程。该组件覆盖了数据加载、数据处理、索引构建、知识存储、意图改写和检索重排序等一系列RAG原子能力，帮助用户在开源场景下快速搭建通用的RAG智能体解决方案。\n\n- 智能体产品化平台更新。\n  本版本新增智能体画布编排、私有知识库构建以及自定义插件支持等能力，使用户能够通过低代码、可视化的方式快速构建和编排智能体。\n\n- 新增智谱AI默认模型组件\n- 新增SQLiteStore存储组件\n- 新增流程编排执行引擎\n\n### 注意事项\n- system_db_uri默认路径优化\n  默认路径已兼容Windows平台，详情请参阅[issue142](https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fissues\u002F142)。\n- ReactAgent支持配置链式停止词\n  ReactAgent的YAML配置现已支持stop_sequence关键字，允许用户自定义链式停止词。详情请参阅[issue127](https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fissues\u002F127)。\n- 增加了RAG原理介绍及RAG快速搭建指南，请关注README和用户指南中的相关内容。\n- 增加了智能体产品化平台的进阶指导文档，请关注README和用户指南中的相关内容。\n- 各类代码优化及文档更新。\n\n************************************************************************************************************************************\n### 更多详情\n#### 变更内容\n* 由@AniviaTn在https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F129中开发\n* 由@AniviaTn在https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F140中合并主分支\n* 修复：在示例项目中为演示RAG智能体的YAML文件添加知识选项。由@EdwinInAu在https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F139中完成\n* 修复：Windows平台上自动系统SQLite数据库路径错误。由@AniviaTn在https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F146中修复\n* 添加LLM绑定参数。由@weizjajj在https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F128中完成\n* 新增：知识组件。由@AniviaTn在https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F145中添加\n* 修复：txt读取器未实现的bug。由@AniviaTn在https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F149中修复\n* 修复：覆盖_load_data而非load_data。由@BroKun在https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F151中完成\n* 功能：添加工具与插件。由@sunshinesmilelk在https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F152中实现\n* 修复产品模块中与插件相关的问题。由@BroKun在https:\u002F\u002Fgithub.com\u002Falipay\u002F","2024-09-12T15:41:04",{"id":185,"version":186,"summary_zh":187,"released_at":188},99277,"v0.0.12","## [0.0.12] - 2024-08-14\r\n### 新增功能\r\n- agentUniverse 产品版本发布\r\n  - 当前版本由 difizen 项目联合推出，提供智能体构建、修改及调试的基础能力。更多详情请参阅产品平台板块中的文档。\r\n- 监控组件：新增知识与工具实例采集功能，支持全链路调用序列拼接，并提供 Token 消耗监控。\r\n- 新增 Web 会话模块：提供会话和消息的持久化管理能力。\r\n\r\n### 备注\r\n- 优化了知识组件：用户可配置并指定任意数量的召回结果（similarity_top_k）。\r\n- 修复了 Chroma 组件问题：解决了未指定嵌入模块的缺陷。\r\n- 进行了多项代码优化及文档更新。\r\n\r\n************************************************************************************************************************************\r\n### 更多详情\r\n#### 变更内容\r\n* 改进：调整 dataAgent 中的 jsonl 和 Excel 文件命名格式。由 @EdwinInAu 在 https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F124 中完成。\r\n* 修复：调整 dataAgent 中的 jsonl 和 Excel 文件命名格式。由 @LandJerry 在 https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F125 中完成。\r\n* 更新 log_config.toml 文件。由 @istarwyh 在 https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F130 中完成。\r\n* 更新 7_1_1_翻译案例.md 文件。由 @woneway 在 https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F132 中完成。\r\n* 修复：异步服务运行中出现的多会话冲突问题。由 @AniviaTn 在 https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F133 中完成。\r\n* 修复：集成工具文档中的错误。由 @SteflerJiang 在 https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F134 中完成。\r\n* 功能：在产品启动时自动开启 magent-ui 界面。由 @BroKun 在 https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F136 中完成。\r\n* 功能：为 agentUniverse 增加产品化能力。由 @EdwinInAu 在 https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F137 中完成。\r\n* 功能：发布版本 0.0.12。由 @LandJerry 在 https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F138 中完成。\r\n\r\n## 新贡献者\r\n* @istarwyh 在 https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F130 中完成了首次贡献。\r\n* @woneway 在 https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F132 中完成了首次贡献。\r\n* @SteflerJiang 在 https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F134 中完成了首次贡献。\r\n* @BroKun 在 https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F136 中完成了首次贡献。\r\n\r\n**完整变更日志**：https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fcompare\u002Fv0.0.11...v0.0.12","2024-08-14T16:20:27",{"id":190,"version":191,"summary_zh":192,"released_at":193},99278,"v0.0.11","## [0.0.11] - 2024-07-11\n### 新增功能\n- DataAgent 自主数据代理 MVP 版本发布\n  - 作为最小可行产品版本，DataAgent 致力于通过智能代理能力赋予您的代理自我评估与进化的能力。有关详细信息，请参阅用户文档。\n- 在 PEER 和 ReAct 模式中新增中间信息流式输出功能\n\n### 备注\n- 发布了最新的 PEER 研究成果\n  - 该论文详细介绍了 PEER 多智能体框架的机制与原理。实验验证证明了 PEER 模型的先进性。有关详细信息，请参阅用户文档。\n- 新增用例\n  - 吴恩达的反思式工作流翻译代理复现\n- 进行了一些代码优化和文档更新。\n\n************************************************************************************************************************************\n### 更多详情\n#### 变更内容\n* @iafin 在 https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F110 中添加了 TxtReader\n* @iafin 在 https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F111 中创建了 txt_reader\n* @weizjajj 在 https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F103 中实现了翻译代理用例\n* @Wyiying 在 https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F115 中提供了开源的 PEER 训练数据集\n* @LandJerry 在 https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F116 中将 dev 分支合并至 master\n* @Wyiying 在 https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F117 中增加了获取更多训练数据的方法，并修复了表达代理数据的问题\n* @weizjajj 在 https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F113 中添加了流式输出功能\n* @weizjajj 在 https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F119 中进行了 Dev weizj 相关开发\n* @EdwinInAu 在 https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F112 中改进了监控模块，添加了序列化方法，并调整了 PEER 中的执行代理\n* @EdwinInAu 在 https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F114 中新增了用于构建数据集和评估结果质量的数据代理\n* @weizjajj 在 https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F121 中添加了 SQL 工具\n* @LandJerry 在 https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F122 中同步了 College application 分支\n* @LandJerry 在 https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F123 中发布了版本 0.0.11\n\n## 新贡献者\n* @iafin 在 https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F110 中完成了首次贡献\n* @Wyiying 在 https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F115 中完成了首次贡献\n\n**完整变更日志**: https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fcompare\u002Fv0.0.10...v0.0.11","2024-07-11T12:23:06",{"id":195,"version":196,"summary_zh":197,"released_at":198},99279,"v0.0.10","## [0.0.10] - 2024-06-28\r\n### 新增功能\r\n- 在LLM模块中新增了DeepSeek模型的标准集成。\r\n- 新增了一个OpenAI通用协议封装类OpenAIStyleLLM。\r\n  - 使用OpenAI协议的模型可以直接进行配置。\r\n- 新增了一个LangChain工具封装类LangChainTool，并提供了多个用于搜索和执行的示例工具。\r\n  - LangChain工具可以直接进行配置。\r\n- 在监控模块中新增了智能体信息收集能力。\r\n\r\n### 备注\r\n- 增加了使用场景。\r\n  - 补充了文档，加入了一个使用PEER协作模式的金融事件分析案例。\r\n- 为LLM组件、工具组件以及监控模块新增了多份文档。\r\n- 更新了新的README文件。\r\n- 进行了一些代码优化和文档更新。\r\n\r\n************************************************************************************************************************************\r\n### 更多详情\r\n#### 变更内容\r\n* 由@AniviaTn在https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F77中合并开发分支\r\n* 由@AniviaTn在https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F91中进行开发\r\n* 新增：peer案例文档。修复：仅在使用时检查DashScope密钥，而非初始化时检查，由@AniviaTn在https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F93中完成\r\n* 文档：新增peer案例文档。由@LandJerry在https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F94中完成\r\n* 工具文档开发，由@weizjajj在https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F96中完成\r\n* 修复：Chroma存储中的Pydantic警告，将numpy版本锁定为1.x，由@AniviaTn在https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F98中完成\r\n* 功能：添加agentUniverse数据流。由@EdwinInAu在https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F95中完成\r\n* 新增DeepSeek文档，由@weizjajj在https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F99中完成\r\n* 功能：在agentUniverse中添加数据智能体。由@EdwinInAu在https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F100中完成\r\n* 文档：在agentUniverse中新增监控模块文档。由@EdwinInAu在https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F101中完成\r\n* 修复：在执行智能体中添加process_input_object函数。由@EdwinInAu在https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F102中完成\r\n* 新增：文档中添加Docker镜像站点。变更：容器内的路径挂载方式，由@AniviaTn在https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F105中完成\r\n* 请求工具开发，由@weizjajj在https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F104中完成\r\n* 功能：添加trace_agent注解，用于追踪智能体调用记录。由@EdwinInAu在https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F106中完成\r\n* 新增密钥信息，由@weizjajj在https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F108中完成\r\n* 功能：发布版本0.0.10。由@LandJerry在https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F109中完成\r\n\r\n\r\n**完整变更日志**: https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fcompare\u002Fv0.0.9...v0.0.10","2024-06-28T15:03:40",{"id":200,"version":201,"summary_zh":202,"released_at":203},99281,"v0.0.8","## [0.0.8] - 2024-06-06\r\n### Added\r\n- Introduced a new monitor module\r\n  - Data running in any agentUniverse can be collected and observed\r\n- Added webserver post_fork functionality\r\n  - Provides multi-node process intervention capabilities after starting the webserver in agentUniverse\r\n- Introduced SQLDB_WRAPPER wrapper class, offering typical database connection methods\r\n  - Through the SQLDB_WRAPPER wrapper class, you can conveniently connect to various databases and storage technologies including SQLServer, MySQL, Oracle, PostgreSQL, SQLite and others\r\n- Added connection support for Milvus vector database component\r\n\r\nFor more usage of the above features, please pay attention to the agentUniverse guidebook.\r\n\r\n### Changed\r\n- Flask is set as the default webserver startup method across all platforms, with gunicorn and gRPC capabilities disabled by default\r\n  - In the previous version, we found slight compatibility differences with gunicorn and gRPC across different operating systems. Thus, we have made Flask the primary startup method for all platforms. You can enable gunicorn and gRPC in the configuration as needed.\r\n\r\n### Security\r\n- Some aU dependencies were identified to have security vulnerabilities in third-party packages. For security reasons, we have upgraded their versions, with the main changes including:\r\n  - requests (^2.31.0 -> ^2.32.0)\r\n  - flask (^2.2 -> ^2.3.2)\r\n  - werkzeug (^2.2.2 -> ^3.0.3)\r\n  - langchain (0.0.352 -> 0.1.20)\r\n  - langchain-core (0.1.3 -> 0.1.52)\r\n  - langchain-community (no version lock -> 0.0.38)\r\n  - gunicorn (21.2.0 -> ^22.0.0)\r\n  - Jinja2 (no version lock -> ^3.1.4)\r\n  - tqdm (no version lock -> ^4.66.3)\r\nIf your system has external access, we strongly recommend installing version v0.0.8 of agentUniverse to mitigate the security risks posed by these third-party packages. For more detailed information, you can visit https:\u002F\u002Fsecurity.snyk.io.\r\n\r\n### Note\r\n- Some code optimizations and documentation updates.\r\n\r\n************************************************************************************************************************************\r\n### More Details\r\n#### What's Changed\r\n* merge dev by @AniviaTn in https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F54\r\n* docs: update images and fix typo. by @moonfin in https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F60\r\n* Add: SQLDBWrapper class, used for manage different kinds of sql database in agentUniverse by @AniviaTn in https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F47\r\n* improvement: upgrade the langchain version to 0.1 and tweak planner\u002Fmemory modules in agentUniverse. by @EdwinInAu in https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F62\r\n* feat: add trace_llm annotation to trace the llm invocation record. by @EdwinInAu in https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F63\r\n* merge dev by @AniviaTn in https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F64\r\n* Update: some dependencies which have safety bugs. by @AniviaTn in https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F65\r\n* fix: add get num tokens in openai_style_langchain_instance. by @EdwinInAu in https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F66\r\n* feat: Release version 0.0.8 by @LandJerry in https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F67\r\n\r\n\r\n**Full Changelog**: https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fcompare\u002Fv0.0.7...v0.0.8","2024-06-06T15:07:08",{"id":205,"version":206,"summary_zh":207,"released_at":208},99282,"v0.0.7","## [0.0.7] - 2024-05-29\r\n### Added\r\n- LLM component supports multimodal parameter invocation.\r\n- Added LLM integration methods for Qwen, WenXin, Kimi, Baichuan, etc.\r\n\r\n### Note\r\n- Added a multimodal example agent, see the invocation details in `sample_standard_app.app.test.test_multimodal_agent.MultimodalAgentTest`.\r\n- Some code optimizations and documentation updates.\r\n\r\n************************************************************************************************************************************\r\n### More Details\r\n#### What's Changed\r\n* feat: add chat prompt template and image url to the rag planner (multimodal) in agentUniverse. by @EdwinInAu in https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F35\r\n* refactor: the name of parameters in the parse_input method and execute method of the agent. by @EdwinInAu in https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F36\r\n* feat: multimodal agent & refactor:execute method of the agent by @LandJerry in https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F37\r\n* docs: add agent component documents by @LandJerry in https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F38\r\n* merge master by @AniviaTn in https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F39\r\n* style: change the aU code comments. by @EdwinInAu in https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F40\r\n* docs: add llm docs in guidebook by @LandJerry in https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F42\r\n* merge sync by @LandJerry in https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F43\r\n* Change: system db uri name in config file   Add: docs about system db uri by @AniviaTn in https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F41\r\n* docs: add tool docs in guidebook by @LandJerry in https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F51\r\n* improvement: change the prompt path in the base package of the agentUniverse. by @EdwinInAu in https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F50\r\n* add model support by @weizjajj in https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F45\r\n* Dev remove claude by @weizjajj in https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F52\r\n* feat: Release version 0.0.7 by @LandJerry in https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F53\r\n\r\n\r\n**Full Changelog**: https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fcompare\u002Fv0.0.6...v0.0.7","2024-05-29T14:09:02",{"id":210,"version":211,"summary_zh":212,"released_at":213},99283,"v0.0.6","## [0.0.6] - 2024-05-15\r\n### Added\r\n- Support for the GPT-4o model, with updates to related examples.\r\n- Support for the RPC component gRPC, providing a standard method for service startup.\r\n\r\n### Note \r\n- Provide standard Docker images and K8S deployment solutions.\r\n- Some code optimizations and documentation updates.\r\n\r\n************************************************************************************************************************************\r\n### More Details\r\n#### What's Changed\r\n* update latest code by @AniviaTn in https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F15\r\n* merge master by @AniviaTn in https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F21\r\n* docs: add Agent Domain Component Principles Explanation. by @LandJerry in https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F22\r\n* Dev fanen by @AniviaTn in https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F25\r\n* Improvement: update sample standard app agentuniverse version and tweak file path of the examples. by @EdwinInAu in https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F24\r\n* Dev by @AniviaTn in https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F26\r\n* fix: prompt model bool function. by @EdwinInAu in https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F28\r\n* Edit: Docs file name.  Add: Support call agent service by grpc. by @AniviaTn in https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F27\r\n* feat: add gpt-4o llm model in agentUniverse. by @EdwinInAu in https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F29\r\n* feat: support gpt-4o llm model & grpc by @LandJerry in https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F30\r\n* Add: Documentation on High Availability Deployment for K8S. by @moonfin in https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F32\r\n* Add: gRPC doc by @AniviaTn in https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F33\r\n* feat: Release version 0.0.6 by @LandJerry in https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F34\r\n\r\n## New Contributors\r\n* @moonfin made their first contribution in https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F32\r\n\r\n**Full Changelog**: https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fcompare\u002Fv0.0.5...v0.0.6","2024-05-15T05:42:09",{"id":215,"version":216,"summary_zh":217,"released_at":218},99284,"v0.0.5","## [0.0.5] - 2024-05-08\r\n### Added\r\n- The LLM component supports streaming calls.\r\n- The Knowledge component has an added update definition.\r\n\r\n### Fixed\r\n- Fixed potential concurrency safety issues in the peer planner.\r\n- Fixed the issue in version 0.0.4 of the PyPI package where the packaging method forced users to enter an AK upon startup.\r\n\r\n### Note \r\n- Some code optimizations and documentation updates.\r\n\r\n************************************************************************************************************************************\r\n### More Details\r\n#### What's Changed\r\n* Fix: peer planner log format & prompt split texts issues by @EdwinInAu in https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F4\r\n* docs: add contact docs by @LandJerry in https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F6\r\n* Fix: the planner concurrency model assignment issue by @EdwinInAu in https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F5\r\n* Feat: Add default peer agent to the agentUniverse. by @EdwinInAu in https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F7\r\n* Improvement: modify the au sample standard app package, add more demo agents\u002Ftool sets\u002Ftest examples. by @EdwinInAu in https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F8\r\n* Improvement: modify the the initialization method of the openai llm and embedding model. by @EdwinInAu in https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F9\r\n* Dev heji by @goodgood-good in https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F10\r\n* Dev by @LandJerry in https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F12\r\n* docs: add Application Engineering Structure Explanation by @LandJerry in https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F13\r\n* Refactor: the original prompt util methods & the handle_prompt method of the planner, etc by @EdwinInAu in https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F14\r\n* Improvement: add the today date to the agent prompt and example agents in sample standard app package, etc. by @EdwinInAu in https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F18\r\n* docs: update guidebook index by @LandJerry in https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F19\r\n* Add streaming support by @weizjajj in https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F16\r\n* feat: release version 0.0.5 by @LandJerry in https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fpull\u002F20\r\n\r\n**Full Changelog**: https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fcompare\u002Fv0.0.4...v0.0.5","2024-05-08T16:06:35",{"id":220,"version":221,"summary_zh":222,"released_at":223},99285,"v0.0.4","# Version Update History\r\n## [0.0.4] - 2024-04-26\r\n### Added\r\n- Add version management capability to the prompt.\r\n\r\n### Fixed\r\n- Fixed compatibility issues on Windows\r\n  * Due to compatibility issues of Gunicorn with Windows systems, automatically identify the kernel version to select the web startup method.\r\n  * Specified YAML reading as UTF-8 encoding method.\r\n\r\n**Full Changelog**: https:\u002F\u002Fgithub.com\u002Falipay\u002FagentUniverse\u002Fcompare\u002Fv0.0.3...v0.0.4","2024-04-26T15:38:02",{"id":225,"version":226,"summary_zh":227,"released_at":228},99286,"v0.0.3","[0.0.3] - 2024-04-24\r\n* Init\r\nThe official release version of AgentUniverse has been initialized. Enjoy using it!","2024-04-24T10:10:34"]