10分钟跑通第一个AI智能体Python自主智能体框架Upsonic完整实战指南【免费下载链接】gpt-computer-assistantBuild autonomous AI agents in Python.项目地址: https://gitcode.com/GitHub_Trending/gp/gpt-computer-assistant每天收盘后你还需要手动查行情、翻公告、整理数据再敲出一份分析报告对一个小团队来说这类重复劳动会吃掉整个晚上。这篇文章用 UpsonicGPT-Computer-Assistant做一个股票分析智能体它自己调用行情工具拿数据、带着记忆连续分析、最后多智能体协作产出结构化报告全程 Python 实现核心代码不到 30 行。Upsonic 帮你省掉的四件事Upsonic 是一个纯 Python 的自主智能体框架MIT 协议pip install upsonic即可装好。它把智能体开发中反复出现的四块脏活收进了框架里自己拼 LLM 调用与工具路由→ 框架封装了Agent与Task两个核心抽象你只描述任务模型调哪个工具、调几次由框架托管每个数据源都要手写 API 集成→ 内置 工具模块 提供现成生态金融数据、网页搜索、代码执行等按开关启用智能体每次对话都失忆→ Memory 模块 提供可持久化的跨任务记忆就像给智能体配了个记事本复杂任务一个人干不完→ Team 模块 原生支持多智能体分工三种协作模式覆盖常见编排需求传统做法和它的对比大概是这样传统做法Upsonic 做法手写 LLM 对话循环 工具分发agent.do(task)一行托管每个数据源写一遍请求封装内置工具类构造时勾选能力用数据库表记会话自己拼上下文Memory 自动存取支持 SQLite/Redis/Postgres用消息队列自研多智能体编排Team 三种模式开箱即用安装 Upsonic 并配置第一个可运行智能体安装只要一条命令支持 pip 或 uvuv pip install upsonic # 或 pip install upsonic然后把模型密钥写进项目根目录的.env框架启动时会自动读取OPENAI_API_KEYyour_api_key_here ANTHROPIC_API_KEYyour_api_key_here接下来是最小可运行路径——四行代码跑通第一个智能体from upsonic import Agent, Task agent Agent(modelopenai/gpt-4o, nameStock Analyst) result agent.do(Task(description分析当前美股大盘走势)) print(result)这段代码在做什么创建一个绑定 GPT-4o 的智能体把分析大盘描述成一个任务丢给它do会跑完整轮推理并返回文本结果。如果想在终端里看到工具调用过程把do换成print_do即可。到这里你已经有了智能体的空壳下面开始往里面装能力。核心实战搭建一个股票分析智能体整个案例围绕一个业务场景收盘后自动完成取数 → 分析 → 出报告。分四块搭。给智能体挂上金融数据工具智能体要分析股票得先能拿到数据。Upsonic 内置了基于 Yahoo Finance 的 YFinanceTools按构造函数开关选择要启用的子能力from upsonic.tools.common_tools import YFinanceTools tools YFinanceTools(stock_priceTrue, company_newsTrue) agent Agent(modelopenai/gpt-4o, name股票分析师, toolstools) agent.print_do(Task(description分析NVDA近一个月股价表现结合最新新闻判断短期趋势))工具类不需要你写任何请求逻辑智能体在推理过程中会自己决定何时调stock_price、何时调company_news。两个关键参数值得留意构造函数里的布尔开关决定暴露哪些工具工具数量越少模型的调用决策越不容易出错tools也可以挂在单个Task上而非智能体上实现按任务临时加能力。为智能体配置持久化记忆连续分析时你肯定不希望它每轮都忘掉上一轮结论。Memory 就像给智能体配了一个记事本把会话历史存进存储后端from upsonic.storage import Memory from upsonic.storage.providers.sqlite import SqliteStorage storage SqliteStorage(db_fileagent_memory.db) memory Memory(storagestorage, session_idanalysis_001, full_session_memoryTrue) agent Agent(modelopenai/gpt-4o, memorymemory)配好之后先问NVDA 上个月表现如何再问那它最近有负面新闻吗第二个任务会自动携带前一个的上下文。这一步是整个流程中唯一需要你显式配置的环节而且换后端只需换一行storage支持内存、SQLite、Redis、Postgres 等接口在 storage 模块 下。session_id是记忆的隔离维度不同标的、不同客户各开一个会话即可互不串扰。用 Team 拆分取数—分析—写作流水线单个智能体干所有事提示词会越写越长职责也模糊。Upsonic 的 Team 让你把流程切成几个专职角色from upsonic import Team data_agent Agent(modelopenai/gpt-4o, name数据专员, toolstools) report_agent Agent(modelopenai/gpt-4o, name报告专员) team Team(name股票分析团队, agents[data_agent, report_agent], modesequential) team.print_do(Task(description完成对NVDA的全面分析产出含数据、逻辑、结论的结构化报告))mode是关键参数三种取值对应不同拓扑sequential按顺序接力前一个的输出作为后一个的输入coordinate由 leader 智能体协调成员分头干活再汇总route由 router 把任务分发给最合适的成员。多数线性流水线选sequential就够需要总调度语义时再换coordinate。用 AutonomousAgent 处理工作目录里的文件报告素材往往散落在文件夹里财报 PDF、会议记录、日志。这类要动手操作文件的任务用框架专门预配置的AutonomousAgent它自带文件读写和 shell 工具from upsonic import AutonomousAgent agent AutonomousAgent(modelopenai/gpt-4o, workspace./reports) agent.print_do(Task(读取目录下的季度财报文件提取三项关键风险并写入 risk_summary.md))注意workspace参数所有文件和 shell 操作都被沙箱限制在这个目录内路径穿越和危险命令会被拦截。这让让模型执行命令这件事变得可控——沙箱边界就是安全边界blocked_commands还能追加自定义黑名单。进阶方向文档解析、自定义工具与现成智能体OCR 文档解析。扫描版 PDF 直接给智能体读不了Upsonic 提供分层 OCR 管线Layer 0 负责 PDF 转图与预处理Layer 1 跑识别引擎。安装upsonic[ocr]后初始化OCR并传入EasyOCREngine等引擎即可调用get_text(file.pdf)引擎支持 EasyOCR、PaddleOCR、Tesseract 等见 ocr 模块。自定义工具。业务独有的计算用装饰器就能注册from upsonic.tools import tool tool def volatility(prices: list[float]) - float: 计算一组收盘价的标准差 ...把返回的volatility加进tools列表模型就能在推理中调用它。函数签名和 docstring 会自动转成工具 schema不需要手写 JSON 描述。预构建智能体。如果你不想从零配系统提示词prebuilt 目录 下有社区维护的现成智能体如 applied_scientist每个都打包好了技能、系统提示和首条消息装上就能跑也可以照它的结构给体育、医疗等领域复刻自己的。适用边界与下一步学习路径Upsonic 适合数据密集型分析、文档处理、多智能体流水线这类任务型场景它不适合低延迟高并发的在线实时服务——每个任务都会触发完整的多轮模型调用延迟和 token 成本需要你自己评估。框架只负责编排模型能力上限仍取决于你接入的模型。下一步建议按这个顺序走先看 tests/doc_examples/ 下按 agent、chat、memory、team 分好类的官方示例每类都短小可直接运行再对照 Documents/ai/explanation/ 里各模块的机制说明理解底层行为遇到具体 API 参数仓库 README 的 Quick Start 部分是最快的速查入口。跑通上面的股票案例后把sequential换成coordinate、把 SQLite 换成 Redis就是你熟悉的第二套配置了。【免费下载链接】gpt-computer-assistantBuild autonomous AI agents in Python.项目地址: https://gitcode.com/GitHub_Trending/gp/gpt-computer-assistant创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 10分钟跑通第一个AI智能体：Python自主智能体框架Upsonic完整实战指南
10分钟跑通第一个AI智能体Python自主智能体框架Upsonic完整实战指南【免费下载链接】gpt-computer-assistantBuild autonomous AI agents in Python.项目地址: https://gitcode.com/GitHub_Trending/gp/gpt-computer-assistant每天收盘后你还需要手动查行情、翻公告、整理数据再敲出一份分析报告对一个小团队来说这类重复劳动会吃掉整个晚上。这篇文章用 UpsonicGPT-Computer-Assistant做一个股票分析智能体它自己调用行情工具拿数据、带着记忆连续分析、最后多智能体协作产出结构化报告全程 Python 实现核心代码不到 30 行。Upsonic 帮你省掉的四件事Upsonic 是一个纯 Python 的自主智能体框架MIT 协议pip install upsonic即可装好。它把智能体开发中反复出现的四块脏活收进了框架里自己拼 LLM 调用与工具路由→ 框架封装了Agent与Task两个核心抽象你只描述任务模型调哪个工具、调几次由框架托管每个数据源都要手写 API 集成→ 内置 工具模块 提供现成生态金融数据、网页搜索、代码执行等按开关启用智能体每次对话都失忆→ Memory 模块 提供可持久化的跨任务记忆就像给智能体配了个记事本复杂任务一个人干不完→ Team 模块 原生支持多智能体分工三种协作模式覆盖常见编排需求传统做法和它的对比大概是这样传统做法Upsonic 做法手写 LLM 对话循环 工具分发agent.do(task)一行托管每个数据源写一遍请求封装内置工具类构造时勾选能力用数据库表记会话自己拼上下文Memory 自动存取支持 SQLite/Redis/Postgres用消息队列自研多智能体编排Team 三种模式开箱即用安装 Upsonic 并配置第一个可运行智能体安装只要一条命令支持 pip 或 uvuv pip install upsonic # 或 pip install upsonic然后把模型密钥写进项目根目录的.env框架启动时会自动读取OPENAI_API_KEYyour_api_key_here ANTHROPIC_API_KEYyour_api_key_here接下来是最小可运行路径——四行代码跑通第一个智能体from upsonic import Agent, Task agent Agent(modelopenai/gpt-4o, nameStock Analyst) result agent.do(Task(description分析当前美股大盘走势)) print(result)这段代码在做什么创建一个绑定 GPT-4o 的智能体把分析大盘描述成一个任务丢给它do会跑完整轮推理并返回文本结果。如果想在终端里看到工具调用过程把do换成print_do即可。到这里你已经有了智能体的空壳下面开始往里面装能力。核心实战搭建一个股票分析智能体整个案例围绕一个业务场景收盘后自动完成取数 → 分析 → 出报告。分四块搭。给智能体挂上金融数据工具智能体要分析股票得先能拿到数据。Upsonic 内置了基于 Yahoo Finance 的 YFinanceTools按构造函数开关选择要启用的子能力from upsonic.tools.common_tools import YFinanceTools tools YFinanceTools(stock_priceTrue, company_newsTrue) agent Agent(modelopenai/gpt-4o, name股票分析师, toolstools) agent.print_do(Task(description分析NVDA近一个月股价表现结合最新新闻判断短期趋势))工具类不需要你写任何请求逻辑智能体在推理过程中会自己决定何时调stock_price、何时调company_news。两个关键参数值得留意构造函数里的布尔开关决定暴露哪些工具工具数量越少模型的调用决策越不容易出错tools也可以挂在单个Task上而非智能体上实现按任务临时加能力。为智能体配置持久化记忆连续分析时你肯定不希望它每轮都忘掉上一轮结论。Memory 就像给智能体配了一个记事本把会话历史存进存储后端from upsonic.storage import Memory from upsonic.storage.providers.sqlite import SqliteStorage storage SqliteStorage(db_fileagent_memory.db) memory Memory(storagestorage, session_idanalysis_001, full_session_memoryTrue) agent Agent(modelopenai/gpt-4o, memorymemory)配好之后先问NVDA 上个月表现如何再问那它最近有负面新闻吗第二个任务会自动携带前一个的上下文。这一步是整个流程中唯一需要你显式配置的环节而且换后端只需换一行storage支持内存、SQLite、Redis、Postgres 等接口在 storage 模块 下。session_id是记忆的隔离维度不同标的、不同客户各开一个会话即可互不串扰。用 Team 拆分取数—分析—写作流水线单个智能体干所有事提示词会越写越长职责也模糊。Upsonic 的 Team 让你把流程切成几个专职角色from upsonic import Team data_agent Agent(modelopenai/gpt-4o, name数据专员, toolstools) report_agent Agent(modelopenai/gpt-4o, name报告专员) team Team(name股票分析团队, agents[data_agent, report_agent], modesequential) team.print_do(Task(description完成对NVDA的全面分析产出含数据、逻辑、结论的结构化报告))mode是关键参数三种取值对应不同拓扑sequential按顺序接力前一个的输出作为后一个的输入coordinate由 leader 智能体协调成员分头干活再汇总route由 router 把任务分发给最合适的成员。多数线性流水线选sequential就够需要总调度语义时再换coordinate。用 AutonomousAgent 处理工作目录里的文件报告素材往往散落在文件夹里财报 PDF、会议记录、日志。这类要动手操作文件的任务用框架专门预配置的AutonomousAgent它自带文件读写和 shell 工具from upsonic import AutonomousAgent agent AutonomousAgent(modelopenai/gpt-4o, workspace./reports) agent.print_do(Task(读取目录下的季度财报文件提取三项关键风险并写入 risk_summary.md))注意workspace参数所有文件和 shell 操作都被沙箱限制在这个目录内路径穿越和危险命令会被拦截。这让让模型执行命令这件事变得可控——沙箱边界就是安全边界blocked_commands还能追加自定义黑名单。进阶方向文档解析、自定义工具与现成智能体OCR 文档解析。扫描版 PDF 直接给智能体读不了Upsonic 提供分层 OCR 管线Layer 0 负责 PDF 转图与预处理Layer 1 跑识别引擎。安装upsonic[ocr]后初始化OCR并传入EasyOCREngine等引擎即可调用get_text(file.pdf)引擎支持 EasyOCR、PaddleOCR、Tesseract 等见 ocr 模块。自定义工具。业务独有的计算用装饰器就能注册from upsonic.tools import tool tool def volatility(prices: list[float]) - float: 计算一组收盘价的标准差 ...把返回的volatility加进tools列表模型就能在推理中调用它。函数签名和 docstring 会自动转成工具 schema不需要手写 JSON 描述。预构建智能体。如果你不想从零配系统提示词prebuilt 目录 下有社区维护的现成智能体如 applied_scientist每个都打包好了技能、系统提示和首条消息装上就能跑也可以照它的结构给体育、医疗等领域复刻自己的。适用边界与下一步学习路径Upsonic 适合数据密集型分析、文档处理、多智能体流水线这类任务型场景它不适合低延迟高并发的在线实时服务——每个任务都会触发完整的多轮模型调用延迟和 token 成本需要你自己评估。框架只负责编排模型能力上限仍取决于你接入的模型。下一步建议按这个顺序走先看 tests/doc_examples/ 下按 agent、chat、memory、team 分好类的官方示例每类都短小可直接运行再对照 Documents/ai/explanation/ 里各模块的机制说明理解底层行为遇到具体 API 参数仓库 README 的 Quick Start 部分是最快的速查入口。跑通上面的股票案例后把sequential换成coordinate、把 SQLite 换成 Redis就是你熟悉的第二套配置了。【免费下载链接】gpt-computer-assistantBuild autonomous AI agents in Python.项目地址: https://gitcode.com/GitHub_Trending/gp/gpt-computer-assistant创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考