使用CREWAI在多代理系统中构建输入和输出

优化基于代理的系统：结构输入和输出以提高性能

想提高基于代理的系统的性能吗？一个关键策略是精心构建代理之间交换的输入和中间输出。本文详细介绍了如何组织输入，利用占位持有人进行数据传输，并结构输出以确保每个代理都能提供预期的结果。通过优化这些元素，您将获得代理系统的更一致和可靠的结果。代理系统利用多个代理人协作，交流和解决问题的能力超过单个LLM的功能。本指南使用Crewai，Pydantic模型和JSON在多代理上下文中构建输出（和输入）。

主要考虑因素

1. 结构良好的输入和输出对于基于代理的系统性能至关重要。
2. Pydantic模型提供数据验证和组织间通信的组织。
3. Crewai促进代理集成，任务执行和输入/输出数据管理。
4. 结构化数据可防止数据丢失和不一致，从而促进无缝协作。
5. 使用模型或JSON定义预期输出可以增强精度和可靠性。
6. 有效的数据管理优化了用于复杂任务的多代理系统。

目录

• 主要考虑因素
• 利用Pydantic模型
• Pydantic模型示例
• 安装
• 结构输入
• 结构输出
• 结论
• 常见问题

利用Pydantic模型

Pydantic库提供的Pydantic模型是设计用于数据解析和验证的Python对象。它们可以创建Python类（模型），该类别在实例化时自动验证数据，从而确保输入数据匹配预期类型和约束。这样可以确保可靠的结构化数据处理。

关键功能：

特征	描述
数据验证	验证针对预期类型（例如， int ， str ， list ）和自定义规则的输入数据。
自动类型转换	自动将兼容的数据类型转换为datetime.date （例如，“ 2024-10-27”）。
数据序列化	将数据序列化为JSON等格式，简化了API交互。
默认值	允许灵活输入处理的可选字段或默认值。

Pydantic模型示例

让我们创建一个从Pydantic的BaseModel继承的UserModel 。实例化类需要一个整数id ，一个字符串name和电子邮件地址。

来自Pydantic Import Basemodel
类Usermodel（basemodel）：
    id：int
    名称：str
    电子邮件：str

＃有效输入
有效_user = usermodel（id = 1，name =“ vidhya”，email =“ vidhya@example.com”）
打印（有效_user）

＃无效输入（提出验证错误）
尝试：
    invalid_user = usermodel（id =“一个”，name =“ vidhya”，email =“ vidhya@example.com”）
除了e：e：
    打印（f“验证错误：{e}”）

这证明了当提供错误的数据类型时，Pydantic的错误处理。

让我们探索可选，日期和默认值功能：

来自Pydantic Import Basemodel
从输入导入可选
从DateTime导入日期
类EventModel（basemodel）：
    event_name：可选[str] =无＃可选字段
    event_loc：str =“印度”＃默认值
    event_date：日期

＃自动转换
event = eventmodel（event_date =“ 2024-10-27”）
打印（事件）

这显示了可选字段和自动类型转换。

安装

安装Crewai：

 PIP安装CREWAI

结构输入

在定义代理和任务时，使用变量名称在卷曲括号{}中格式化。设置human_input=True提示用户以获取输出反馈。以下是回答物理问题的代理和任务的示例：

来自Crewai进口代理，任务，机组人员
导入操作系统
os.environ ['openai_api_key'] =''＃用钥匙替换
os.environ ['OpenAi_Model_name'] ='GPT-4O-MINI-2024-07-18'＃或您的首选模型

＃...（原始示例中的代理和任务定义）...

输入通过crew.kickoff()中的inputs参数传递。

结构输出

让我们创建代理来收集用户详细信息（名称，电子邮件，电话，作业）。将输出构建为Pydantic模型或JSON定义了预期的输出格式，以确保后续代理接收结构化数据。

来自Pydantic Import Basemodel
从输入导入列表

＃...（pydantic模型定义如原始示例中）...

＃...（如原始示例中的代理和任务定义，使用output_pydantic和output_json）...

最终代理结合了所有详细信息，使用output_file将输出保存到文件。

结论

本文强调了使用Pydantic和Crewai在多代理系统中结构输入和输出的重要性。结构良好的数据可增强性能，可靠性并防止错误。这些策略为复杂的任务建立了更强大的代理系统。

常见问题

Q1。什么是基于代理的系统？基于代理的系统使用多种代理来解决问题，超过了单个LLM的功能。

Q2。什么是克鲁伊？ Crewai是管理代理系统，简化代理协作和数据处理的框架。

Q3。如何在Crewai中输入图像？一种方法是提供图像URL作为输入变量。

Q4。什么是pydantic模型？ Pydantic模型验证数据并序列化数据，以确保基于代理的系统中的数据完整性。

Q5。如何使用Pydantic构建输出？定义Pydantic模型中的预期输出字段，以确保对后续代理的数据格式一致。

以上是使用CREWAI在多代理系统中构建输入和输出的详细内容。更多信息请关注PHP中文网其他相关文章！