Promptulate

Promptulate 是一个由 Cogit Lab 打造的 AI Agent 应用开发框架，旨在通过 Pythonic 编程范式，为开发者提供一个极度简洁高效的方式来构建 Agent 应用。Promptulate 的核心理念是借鉴和整合开源社区的智慧，融合多种开发框架的亮点，降低入门门槛，并统一开发者的共识。利用 Promptulate，你可以使用简洁的代码来操作如 LLM、Agent、Tool、RAG 等组件，大多数任务都能通过几行代码轻松完成。

主要特性

• Pythonic 代码风格：提供符合 Python 开发者习惯的 SDK 调用方式，仅用一个 pne.chat 函数即可封装所有核心功能。
• 模型兼容性：支持几乎所有市场上的大模型，并允许根据具体需求进行定制。
• 多样化 Agent：提供 WebAgent、ToolAgent、CodeAgent 等多种类型的 Agent，具备规划、推理和行动能力，能处理复杂问题。
• 低成本集成：简单整合 LangChain 等框架的工具，显著降低集成成本。
• 函数即工具：可以直接将任何 Python 函数转换为 Agent 可用的工具，简化工具创建和使用过程。
• 生命周期和挂钩：提供丰富的挂钩和完整的生命周期管理，允许在 Agent、工具和 LLM 的多个阶段插入自定义代码。
• 终端集成：轻松集成应用终端，内置客户端支持，为 prompts 提供快速调试能力。
• Prompt 缓存：提供 LLM Prompts 缓存机制，以减少重复劳动，提高开发效率。
• 强大的 OpenAI 包装器：无需使用 OpenAI SDK，只需使用 pne.chat() 函数，简化开发。

使用场景

1. 聊天机器人和客户支持：利用 pne.chat 可以轻松创建类似于 OpenAI 的聊天机器人，支持复杂对话和情感检测。

2. 多模态应用：支持处理文本、图像等多模态数据，适用于多模态问答和描述生成。

3. 自动化任务和工具集成：通过将 Python 函数转换为工具和 Agent 的功能，适用于自动化工作流和任务调度的开发。

4. 数据分析与报告生成：利用模型兼容性和强大的输出格式功能，可以用于生成结构化数据报告和分析结果。

5. 复杂问题求解：通过 Agent 的规划和推理能力，应对复杂的研究问题和任务管理。

示例

创建一个简单的聊天机器人：

import promptulate as pne

messages = [
    {"role": "system", "content": "你是一个有帮助的助手。"},
    {"role": "user", "content": "你是谁？"}
]
response: str = pne.chat(messages=messages, model="gpt-4-turbo")
print(response)

利用 Tavily 搜索引擎和 LangChain 工具解决复杂问题：

from langchain_community.tools.tavily_search import TavilySearchResults
import promptulate as pne

os.environ["TAVILY_API_KEY"] = "your_tavily_api_key"
os.environ["OPENAI_API_KEY"] = "your_openai_api_key"

tools = [TavilySearchResults(max_results=5)]
pne.chat("什么是2024澳大利亚网球公开赛的获胜者的家乡？", model="gpt-4-1106-preview", enable_plan=True)

通过上述示例代码，可以快速体验 Promptulate 的强大功能和灵活性，如需更多信息或示例，请参考 官方文档 和 PyPI 仓库。