AI-Agent-Demo

在本项目中，我们实现了一个简单的 Multi-Agent：多智能体系统，它能够方便接入多个Agent，同时也可以作为一个聊天机器人与用户进行交互。

Road Map

当前功能：

• Chat: 对话式的聊天机器人;
• BiliAgent: 调用Bili-API查询B站视频信息, 包括名称, 简介, 点赞数, 链接等信息, 然后通过多个Agent进行信息处理, 包括RAG, 内容审查等信息;
• ArxivAgent: 调用Arxiv-API查询Arxiv网站论文信息, 包括论文的摘要, 标题, 发表日期等信息, 然后通过Agent对信息进行理解和处理, 并给出用户合理的回答。

后续需要增加：

• 消息的发送, 利用QQ邮箱等服务
• 联网功能, 获取最新新闻和资讯

FrameWork

目前支持API：OpenAI在线大模型API调用

在项目架构方面，BiliAgent是一个端到端的服务，采用前后端分离架构。后端结合 LangServe 和 FastAPI 技术，利用 LangServe 的 add_routes 接口，将 LangChain 应用中的链和 RAG服务 封装成 REST API，具备高并发请求、流式传输和异步操作的能力。前端界面由 Streamlit 构建，主要聚焦于简洁的用户交互而非复杂的视觉表现。在技术应用方面，核心的 AI Agent 框架由 LangGraph 提供支持，基础的模型调用则通过 LangChain 实现，支持目前国内外最热门的 GPT 系列（国外）。

• 技术：LangGraph, LangChain, LangServe, FastAPI, Streamlit
• AI Agent 框架: LangGraph
• 模型调用: 基于LangChain支持主流的在线& 开源模型
• 前端技术: Streamlit
• 后端技术: LangServe + FastAPI
• 嵌入模型: OpenAI Embedding
• 状态追踪: LangSmith

Project Demonstration

Illustrate Multi-Agent

BiliAgent

BiliAgent 是一个基于大模型构建的复杂 AI Agent 应用工具，该应用工具在网页端接收用户输入，后端实时调用 Bilibili API，可以依据用户的输入的问题需求去查询实时数据，得到结果后，自主执行数据分析过程，最终生成精准的回复或数据分析报告，通过前端返回给用户。例如，用户可以在该工具中提出以下需求：

BiliBili热点 & 舆情实时分析智能体

• 我正在学习 Chat GLM 模型的部署，请查找当前哪些相关视频的好评最多，返回当前视频的链接及你推荐的理由
• 我准备发布一个 Swarm 技术相关的视频，请根据当前热门视频的标题和描述，生成一个热门标题，帮助我提升关注度

核心功能开发流程图

安装指南

# 克隆仓库
git clone https://github.com/lk-aa/AI-Agent-Demo.git

# 安装依赖
cd Multi-Agent
pip install -r requirements.txt

# 在.env文件中填写OpenAI API Key

# 运行服务端
python ./server.py

# 运行客户端
streamlit run ./client.py

项目调试说明

通过运行workflow.py文件，可以进行项目的调试。

python workflow.py

参考与实践

在 ./reference 目录中存放了我们项目开展过程中的参考项目与最小实践。