Phidata 是一个开源框架，旨在构建具有记忆、知识和工具能力的自动化助手（智能代理）。这个框架解决了现有大型语言模型（LLM）上下文有限和无法执行操作的问题，通过添加存储聊天历史的数据库、存储业务上下文的向量数据库，以及允许执行API调用等操作的工具，显著提升智能助手的功能。Phidata 支持使用 Streamlit、FastApi 或 Django 服务，帮助用户快速构建和部署AI应用。
大型语言模型（LLMs）的上下文有限，无法执行操作
解决方案：增加记忆力、知识和工具。
·记忆力：在数据库中存储聊天历史，使LLMs能够进行长期对话。
·知识：在向量数据库中存储信息，为LLMs提供商业环境下的上下文。
·工具：使LLMs能够执行诸如从API拉取数据、发送电子邮件或查询数据库等操作。
步骤1：创建一个助手
步骤2：添加工具（功能）、知识（向量数据库）和存储（数据库）
步骤3：使用Streamlit、FastApi或Django来构建你的AI应用程序
运行以下代码：
1.创建一个名为 assistant.py 的文件
from phi.assistant import Assistantfrom phi.tools.duckduckgo import DuckDuckGo
assistant = Assistant(tools=[DuckDuckGo()], show_tool_calls=True)assistant.print_response("Whats happening in France?", markdown=True)
2.安装库，导出你的 OPENAI_API_KEY，并运行助手
pip install openai duckduckgo-search
export OPENAI_API_KEY=sk-xxxx
python assistant.py
这个开源项目，已经做了部分功能的库，如果想要快速体验的话可以直接克隆使用
·LLM OS：将LLM用作新兴操作系统的CPU。
https://github.com/phidatahq/phidata/tree/main/cookbook/llm_os
·自治RAG：赋予LLM工具以搜索其知识、网络或聊天历史。
https://github.com/phidatahq/phidata/tree/main/cookbook/examples/auto_rag
·本地RAG：配备Ollama和PgVector的完全本地RAG。
https://github.com/phidatahq/phidata/tree/main/cookbook/llms/ollama/rag
·投资研究员：使用Llama3和Groq生成关于股票的投资报告。
https://github.com/phidatahq/phidata/tree/main/cookbook/llms/groq/investment_researcher
·新闻文章：使用Llama3和Groq编写新闻文章。
https://github.com/phidatahq/phidata/tree/main/cookbook/llms/groq/news_articles
·视频摘要：使用Llama3和Groq进行YouTube视频摘要。
https://github.com/phidatahq/phidata/tree/main/cookbook/llms/groq/video_summary
·研究助理：使用Llama3和Groq编写研究报告。
https://github.com/phidatahq/phidata/tree/main/cookbook/llms/groq/research
进入以下使用phidata构建的AI应用程序：
PDF AI，能够对PDF文件进行总结并回答问题。
https://pdf.aidev.run/
ArXiv AI，使用ArXiv API回答有关ArXiv论文的问题。
https://arxiv.aidev.run/
HackerNews AI，总结故事、用户，并分享HackerNews上的最新动态。
https://hn.aidev.run/
https://github.com/phidatahq/phidata
粤ICP备14082021号
免费POC，
零成本试错
