Agno项目v1.5.4版本发布:人机协作流程与记忆管理新特性解析
Agno是一个专注于人工智能代理开发的框架,旨在为开发者提供构建智能代理所需的各种工具和功能。最新发布的v1.5.4版本带来了多项重要更新,特别是在人机交互流程控制方面取得了显著进展。
人机协作流程控制(Beta版)
v1.5.4版本最引人注目的特性是引入了Human-in-the-loop(人机协作)流程控制机制。这一功能允许开发者在代理运行过程中暂停执行,等待用户完成特定操作后再继续。
核心控制流程
-
用户确认流程:通过
@tool(requires_confirmation=True)装饰器标记的函数,代理将在执行前等待用户确认。这种机制特别适合需要人工审核的关键操作场景。 -
用户输入请求:使用
@tool(requires_user_input=True)装饰的函数会触发代理暂停并请求用户输入。这在需要动态信息补充的场景下非常有用。 -
外部工具执行:通过
@tool(external_execution=True)标记的函数表示将由外部系统执行,代理会等待外部执行完成信号。 -
动态用户输入:在代理中添加
UserControlFlowTools()工具集,使代理能够根据运行时情况动态请求用户输入。
实现机制
新版本增加了agent.continue_run和agent.acontinue_run方法,用于在用户完成操作后恢复代理执行。这种设计既保持了代理的自主性,又为关键决策点提供了人工干预的机会。
Mem0记忆管理工具包
v1.5.4版本新增了Mem0记忆管理工具包,为开发者提供了更强大的记忆管理能力。Mem0工具包支持:
- 记忆的存储与检索
- 记忆的分类管理
- 记忆的时效性控制
- 上下文相关的记忆提取
Firecrawl搜索增强
Firecrawl工具集在本版本中获得了搜索功能增强,包括:
- 改进的参数解析机制
- 更稳定的网页内容抓取
- 增强的搜索结果处理能力
工具包兼容性改进
所有工具包现在都统一支持include_tools和exclude_tools参数,使开发者能够更灵活地控制工具的使用范围。这一改进显著提升了工具组合的灵活性和可控性。
技术实现亮点
-
异步控制流:新版本通过完善的异步机制实现了流畅的人机交互,确保代理在等待用户输入时不会阻塞整个系统。
-
状态管理:引入了更精细的运行状态跟踪机制,能够准确记录和恢复被暂停的代理运行状态。
-
安全边界:在用户确认流程中实现了严格的安全检查,防止未经授权的操作执行。
应用场景建议
-
关键操作审核:在金融、医疗等敏感领域,可以使用用户确认流程确保关键操作的准确性。
-
动态信息补充:对于需要实时数据的应用,用户输入请求功能可以实现信息的动态更新。
-
混合自动化流程:外部工具执行功能特别适合与企业现有系统集成的场景。
总结
Agno v1.5.4版本通过引入人机协作流程控制,为AI代理开发开辟了新的可能性。这些特性不仅增强了代理的实用性,也为复杂场景下的代理应用提供了更可靠的控制机制。Mem0记忆管理工具包的加入进一步丰富了Agno的功能生态,使其在知识密集型应用中更具竞争力。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C099
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00