VisionAgent项目中的API变更与工具使用指南
2025-06-12 16:28:37作者:秋阔奎Evelyn
在开源项目VisionAgent的最新版本0.2.101中,开发团队对核心API进行了重要调整,这直接影响了自定义工具的使用方式。本文将详细介绍这一变更的技术背景、影响范围以及正确的使用方法。
API架构调整概述
VisionAgent项目近期将原有的VisionAgent类拆分为两个更专注的类:VisionAgent和VisionAgentCoder。这一架构调整旨在更好地分离关注点,使每个类的职责更加明确。
- VisionAgent类:主要负责基础的对话功能,提供
chat_with_code方法进行代码交互 - VisionAgentCoder类:专注于工作流相关的代码生成,提供
chat_with_workflow方法
变更影响分析
这一架构调整主要影响了项目中example/custom_tools/run_custom_tool.py示例文件的运行。在该文件中,开发者尝试使用VisionAgent类的chat_with_work_flow方法,但实际上这个方法已经被迁移到了VisionAgentCoder类中。
正确使用方法
要使用工作流聊天功能,开发者现在应该:
- 导入正确的类:从
vision_agent导入VisionAgentCoder而非VisionAgent - 实例化
VisionAgentCoder对象而非VisionAgent对象 - 使用
chat_with_workflow方法进行工作流交互
示例代码修正如下:
from vision_agent import VisionAgentCoder
agent = VisionAgentCoder()
response = agent.chat_with_workflow("你的工作流请求")
版本兼容性建议
对于使用较老版本VisionAgent的开发者,建议:
- 检查项目依赖的VisionAgent版本
- 如果需要使用工作流功能,确保升级到0.2.101或更高版本
- 修改代码以适应新的API设计
架构调整的技术价值
这一变更从软件工程角度看具有多重优势:
- 单一职责原则:每个类只负责一个明确的功能领域
- 更好的可维护性:功能分离使代码更易于理解和修改
- 清晰的接口设计:开发者可以更直观地选择适合自己需求的类
总结
VisionAgent项目的这一API变更是框架演进过程中的重要一步,虽然短期内可能带来一些迁移成本,但从长远看将显著提升框架的可用性和可扩展性。开发者在使用自定义工具时应注意这一变更,及时调整代码以适应新的API设计。
登录后查看全文
热门项目推荐
相关项目推荐
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。C030
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
项目优选
收起
deepin linux kernel
C
26
10
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
425
3.26 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
689
334
暂无简介
Dart
686
161
Ascend Extension for PyTorch
Python
231
264
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
React Native鸿蒙化仓库
JavaScript
266
326
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.22 K
667
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
openEuler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。
C
19
30