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。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00