如何从零搭建 AI 智能体Upsonic 快速上手指南【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凌晨两点一份 40 页的 PDF 赛事报告躺在邮箱里结论却要在早上八点前交出去。这类读文件、算数据、写结论的活以前要么人肉干要么自己拼一堆胶水代码干。Upsonic仓库名 GPT-Computer-Assistant是一个 Python AI 智能体框架它不教你调 API而是把读文件、跑代码、调工具、记住上下文这些杂活包起来你只负责说清楚要什么结果。适合刚接触智能体开发、又不想从零造轮子的开发者。Upsonic 是什么先分清它和聊天机器人的区别很多 AI 框架给你的是一个会说漂亮话的聊天窗口而 Upsonic 给你的更像一小组会干活的工程师。核心积木就三块理解它们就能理解整个框架Agent传统智能体。给它一个 Task一段自然语言描述它自己决定调什么工具、怎么执行最后返回结果。AutonomousAgent自主智能体。能自己读文件、写文件、执行 shell 命令而且所有文件与 shell 操作都被限制在你指定的 workspace 目录内路径穿越和危险命令会被直接拦掉。Team把多个 Agent 编成队。支持三种协作方式——sequential 按顺序接力、coordinate 由领队分工、route 由路由器挑一个人干。配套能力按需取用内置工具目录里预置了 DuckDuckGo、Tavily、Bocha 搜索和 YFinance 财务工具OCR 模块支持 EasyOCR、RapidOCR、Tesseract、PaddleOCR 等引擎能把扫描件转成文字存储层提供 SQLite、Redis、Postgres、Mongo 等多种后端智能体可以跨会话记住事情。自己拼智能体麻烦到底在哪以前想让模型读文件、算数据、写报告通常要手动搭一条流水线自己写编排哪步调模型、哪步调工具、失败了怎么重试全是手写代码改一个环节就要动一串逻辑。给模型开权限像拆炸弹让它跑代码、碰文件就等于给了它系统钥匙边界全靠自己写。多智能体协作更难A 的结果怎么传给 B、谁来拆任务、结果怎么汇总几乎没有现成方案。Upsonic 对应的解法很直接Task 就是自然语言智能体自己规划执行AutonomousAgent 用 workspace 划出活动边界Team 模块把协作方式固化成三种模式。你写的是业务目标不是管道接线图。上手安装 Upsonic 并跑通第一个 AI 智能体安装命令要求 Python 3.10 及以上pip install upsonic # 或 uv pip install upsonic配置 API 密钥框架会自动读取当前目录下的.env文件把密钥放在这里即可支持 OpenAI、Anthropic、Google 等多家模型参数统一写成厂商/模型名的形式# .env 文件内容 ANTHROPIC_API_KEY你的密钥 OPENAI_API_KEY你的密钥最小例子3 行代码from upsonic import Agent, Task agent Agent(modelanthropic/claude-sonnet-4-5) agent.print_do(Task(description用三句话总结什么是泊松分布并举一个体育场景))print_do会在终端实时打印智能体的思考和工具调用过程do则只返回最终结果。能跑通这一条说明模型、密钥、环境三件事都齐了。后面所有玩法都是在这三行上加东西。迷你案例把一份 PDF 赛事报告变成结论场景很具体输入是一个 PDF 格式的赛事报告比如扫描版输出是一段结构化的分析结论。第一步把 PDF 变成文字。装一下 OCR 扩展然后用 OCR 模块的两级流水线Layer 0 负责 PDF 转图像与预处理Layer 1 负责识别from upsonic.ocr import OCR实际写出来是两行EasyOCREngine(languages[en])建引擎OCR(layer_1_ocr_engineengine).get_text(report.pdf)取出文本。第二步交给 Agent 分析。把取出的文本拼进 Task 描述里要求提取双方关键数据指出胜负手用不超过 200 字给出结论。Agent 返回的文本直接写进 Markdown 文件就是一份可交付的报告。第三步让它记住这件事。如果这类分析是长期工作给 Agent 挂上记忆之后追问上次那份报告里哪支队篮板更多时它能接上上下文from upsonic.storage import Memory memory Memory(storageSqliteStorage(db_filememory.db), session_ids1, full_session_memoryTrue)需要强调一点OCR 在这条链里只是取文本的预处理真正的分析全靠智能体。这也提示你框架里每个组件只管自己那段别想着一步做到底。进阶多智能体团队怎么组队以及两个常见的坑组队方式当一个任务能拆成明确阶段采集数据 → 统计分析 → 撰写报告与其让一个 Agent 硬扛不如组队。给成员起好名字很重要——route 模式下路由器就是靠名字挑人的from upsonic import Team, Agent, Task team Team(agents[Agent(name数据员, ...), Agent(name统计员, ...), Agent(name报告员, ...)], modesequential)三种模式的选择标准很简单流程固定用sequential任务之间有依赖、需要协调用coordinate可指定一个 leader任务只该由一个人完整处理用route可指定一个 router。coordinate 和 route 模式下框架内部要临时创建领队/路由器所以记得给 Team 传一个model。⚠️ 避坑异步别写混密钥别进代码两个容易翻车的地方异步Agent 提供do_async/print_do_async写服务时统一走异步接口别在同步函数里手动asyncio.run嵌套也别在循环里同步阻塞等结果。密钥只放.env不进代码、不进日志。智能体运行时默认会打印详细的思考与工具调用过程debugTrue更详细——如果日志被收集上报密钥和敏感数据都会跟着出去生产环境建议关掉打印。另外AutonomousAgent 虽然自主但请给它一个只放了必要文件的临时目录当 workspace而不是整个项目——边界划得越窄它越安全。下一步仓库是只读的先把它 clone 到本地git clone https://gitcode.com/GitHub_Trending/gp/gpt-computer-assistant然后照着 tests/doc_examples/ 里的示例从最简单的 Agent 例子开始跑通PDF 报告变结论这条链。资源入口文档与 API 参考README.md内含 Quickstart 与文档索引可运行的示例代码tests/doc_examples/内置技能code-review、data-analysis、summarizationsrc/upsonic/skills/builtins/预置自主智能体含系统提示词与首条消息模板src/upsonic/prebuilt/【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 如何从零搭建 AI 智能体：Upsonic 快速上手指南
如何从零搭建 AI 智能体Upsonic 快速上手指南【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凌晨两点一份 40 页的 PDF 赛事报告躺在邮箱里结论却要在早上八点前交出去。这类读文件、算数据、写结论的活以前要么人肉干要么自己拼一堆胶水代码干。Upsonic仓库名 GPT-Computer-Assistant是一个 Python AI 智能体框架它不教你调 API而是把读文件、跑代码、调工具、记住上下文这些杂活包起来你只负责说清楚要什么结果。适合刚接触智能体开发、又不想从零造轮子的开发者。Upsonic 是什么先分清它和聊天机器人的区别很多 AI 框架给你的是一个会说漂亮话的聊天窗口而 Upsonic 给你的更像一小组会干活的工程师。核心积木就三块理解它们就能理解整个框架Agent传统智能体。给它一个 Task一段自然语言描述它自己决定调什么工具、怎么执行最后返回结果。AutonomousAgent自主智能体。能自己读文件、写文件、执行 shell 命令而且所有文件与 shell 操作都被限制在你指定的 workspace 目录内路径穿越和危险命令会被直接拦掉。Team把多个 Agent 编成队。支持三种协作方式——sequential 按顺序接力、coordinate 由领队分工、route 由路由器挑一个人干。配套能力按需取用内置工具目录里预置了 DuckDuckGo、Tavily、Bocha 搜索和 YFinance 财务工具OCR 模块支持 EasyOCR、RapidOCR、Tesseract、PaddleOCR 等引擎能把扫描件转成文字存储层提供 SQLite、Redis、Postgres、Mongo 等多种后端智能体可以跨会话记住事情。自己拼智能体麻烦到底在哪以前想让模型读文件、算数据、写报告通常要手动搭一条流水线自己写编排哪步调模型、哪步调工具、失败了怎么重试全是手写代码改一个环节就要动一串逻辑。给模型开权限像拆炸弹让它跑代码、碰文件就等于给了它系统钥匙边界全靠自己写。多智能体协作更难A 的结果怎么传给 B、谁来拆任务、结果怎么汇总几乎没有现成方案。Upsonic 对应的解法很直接Task 就是自然语言智能体自己规划执行AutonomousAgent 用 workspace 划出活动边界Team 模块把协作方式固化成三种模式。你写的是业务目标不是管道接线图。上手安装 Upsonic 并跑通第一个 AI 智能体安装命令要求 Python 3.10 及以上pip install upsonic # 或 uv pip install upsonic配置 API 密钥框架会自动读取当前目录下的.env文件把密钥放在这里即可支持 OpenAI、Anthropic、Google 等多家模型参数统一写成厂商/模型名的形式# .env 文件内容 ANTHROPIC_API_KEY你的密钥 OPENAI_API_KEY你的密钥最小例子3 行代码from upsonic import Agent, Task agent Agent(modelanthropic/claude-sonnet-4-5) agent.print_do(Task(description用三句话总结什么是泊松分布并举一个体育场景))print_do会在终端实时打印智能体的思考和工具调用过程do则只返回最终结果。能跑通这一条说明模型、密钥、环境三件事都齐了。后面所有玩法都是在这三行上加东西。迷你案例把一份 PDF 赛事报告变成结论场景很具体输入是一个 PDF 格式的赛事报告比如扫描版输出是一段结构化的分析结论。第一步把 PDF 变成文字。装一下 OCR 扩展然后用 OCR 模块的两级流水线Layer 0 负责 PDF 转图像与预处理Layer 1 负责识别from upsonic.ocr import OCR实际写出来是两行EasyOCREngine(languages[en])建引擎OCR(layer_1_ocr_engineengine).get_text(report.pdf)取出文本。第二步交给 Agent 分析。把取出的文本拼进 Task 描述里要求提取双方关键数据指出胜负手用不超过 200 字给出结论。Agent 返回的文本直接写进 Markdown 文件就是一份可交付的报告。第三步让它记住这件事。如果这类分析是长期工作给 Agent 挂上记忆之后追问上次那份报告里哪支队篮板更多时它能接上上下文from upsonic.storage import Memory memory Memory(storageSqliteStorage(db_filememory.db), session_ids1, full_session_memoryTrue)需要强调一点OCR 在这条链里只是取文本的预处理真正的分析全靠智能体。这也提示你框架里每个组件只管自己那段别想着一步做到底。进阶多智能体团队怎么组队以及两个常见的坑组队方式当一个任务能拆成明确阶段采集数据 → 统计分析 → 撰写报告与其让一个 Agent 硬扛不如组队。给成员起好名字很重要——route 模式下路由器就是靠名字挑人的from upsonic import Team, Agent, Task team Team(agents[Agent(name数据员, ...), Agent(name统计员, ...), Agent(name报告员, ...)], modesequential)三种模式的选择标准很简单流程固定用sequential任务之间有依赖、需要协调用coordinate可指定一个 leader任务只该由一个人完整处理用route可指定一个 router。coordinate 和 route 模式下框架内部要临时创建领队/路由器所以记得给 Team 传一个model。⚠️ 避坑异步别写混密钥别进代码两个容易翻车的地方异步Agent 提供do_async/print_do_async写服务时统一走异步接口别在同步函数里手动asyncio.run嵌套也别在循环里同步阻塞等结果。密钥只放.env不进代码、不进日志。智能体运行时默认会打印详细的思考与工具调用过程debugTrue更详细——如果日志被收集上报密钥和敏感数据都会跟着出去生产环境建议关掉打印。另外AutonomousAgent 虽然自主但请给它一个只放了必要文件的临时目录当 workspace而不是整个项目——边界划得越窄它越安全。下一步仓库是只读的先把它 clone 到本地git clone https://gitcode.com/GitHub_Trending/gp/gpt-computer-assistant然后照着 tests/doc_examples/ 里的示例从最简单的 Agent 例子开始跑通PDF 报告变结论这条链。资源入口文档与 API 参考README.md内含 Quickstart 与文档索引可运行的示例代码tests/doc_examples/内置技能code-review、data-analysis、summarizationsrc/upsonic/skills/builtins/预置自主智能体含系统提示词与首条消息模板src/upsonic/prebuilt/【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