AI智能体的五个难度等级（附完整代码实现）

from agno.agent importAgent
from agno.models.openai importOpenAIChat
from agno.tools.duckduckgo importDuckDuckGoTools
from textwrap import dedent

agno_assist =Agent(
  name="Agno AGI",
  model=OpenAIChat(id="gpt-4.1"),
  description=dedent("""\
你是“Agno AGI”，一个可以使用Agno框架构建智能体的自主 AI Agent。
你的目标是帮助开发者理解并使用Agno，通过提供解释、可运行的代码示例、
以及可选的关键概念可视化与音频说明。"""),
  instructions="在网上搜索关于 Agno 的信息。",
  tools=[DuckDuckGoTools()],
  add_datetime_to_instructions=True,
  markdown=True,
)

agno_assist.print_response("What is Agno?", stream=True)

# ... 引入必要模块
# 你也可以参考 https://docs.agno.com/llms-full.txt 查看完整文档

# 创建知识库
knowledge_base =UrlKnowledge(
  urls=["https://docs.agno.com/introduction.md"],
  vector_db=LanceDb(
    uri="tmp/lancedb",
    table_name="agno_docs",
    search_type=SearchType.hybrid,# 混合检索：全文 + 语义
    embedder=OpenAIEmbedder(id="text-embedding-3-small"),
    reranker=CohereReranker(model="rerank-multilingual-v3.0"),
),
)

# 创建本地存储（SQLite 形式）
storage =SqliteStorage(
  table_name="agent_sessions",
  db_file="tmp/agent.db"
)

# 配置智能体
agno_assist =Agent(
  name="Agno AGI",
  model=OpenAIChat(id="gpt-4.1"),
  description=...,# 略
  instructions=...,# 略
  tools=[PythonTools(),DuckDuckGoTools()],
  add_datetime_to_instructions=True,
# 提供 knowledge 参数会自动启用 Agentic RAG
  knowledge=knowledge_base,
# 使用 SQLite 持久化存储 agent 会话
  storage=storage,
# 是否将历史消息加入对话上下文中
  add_history_to_messages=True,
# 历史交互轮数（记忆深度）
  num_history_runs=3,
  markdown=True,
)

if __name__ =="__main__":
# 加载知识库，首次运行建议启用；后续可注释
# agno_assist.knowledge.load(recreate=True)
  agno_assist.print_response("What is Agno?", stream=True)

# ... 引入必要模块

knowledge_base =...

# 创建记忆模块
memory =Memory(
# 使用任意模型生成记忆
  model=OpenAIChat(id="gpt-4.1"),
  db=SqliteMemoryDb(
    table_name="user_memories",
    db_file="tmp/agent.db"
),
  delete_memories=True,# 可选：首次运行前清空旧记忆
  clear_memories=True,
)

storage =...

# 创建具备记忆和推理能力的智能体
agno_assist =Agent(
  name="Agno AGI",
  model=Claude(id="claude-3-7-sonnet-latest"),
# 指定用户ID，便于管理用户相关记忆
  user_id="ava",
  description=...,# 略
  instructions=...,# 略
  tools=[
PythonTools(),
DuckDuckGoTools(),
ReasoningTools(add_instructions=True)# 启用推理工具
],
...
# 存储记忆
  memory=memory,
# 启用 agent 主动管理记忆
  enable_agentic_memory=True,
)

if __name__ =="__main__":
# 可在首次运行后注释掉，Agent 将自动记住这些信息
  agno_assist.print_response("Always start your messages with 'hi ava'", stream=True)
  agno_assist.print_response("What is Agno?", stream=True)

# ... 引入必要模块

# 定义一个 Web 搜索智能体
web_agent =Agent(
  name="Web Search Agent",
  role="处理网页搜索请求",
  model=OpenAIChat(id="gpt-4o-mini"),
  tools=[DuckDuckGoTools()],
  instructions="始终附带信息来源。",
)

# 定义一个财经数据智能体
finance_agent =Agent(
  name="Finance Agent",
  role="处理财经数据请求",
  model=OpenAIChat(id="gpt-4o-mini"),
  tools=[YFinanceTools()],
  instructions=[
"你是一位财经数据专家，提供简洁而准确的数据。",
"使用表格展示股票价格和基本面信息（如市盈率、总市值）。",
],
)

# 创建一个团队协调者智能体
team_leader =Team(
  name="推理型财经团队负责人",
  mode="coordinate",# 协调模式
  model=Claude(id="claude-3-7-sonnet-latest"),
  members=[web_agent, finance_agent],
  tools=[ReasoningTools(add_instructions=True)],
  instructions=[
"使用表格展示数据。",
"仅输出最终结论，禁止输出其他额外文字。",
],
  show_members_responses=True,
  enable_agentic_context=True,
  add_datetime_to_instructions=True,
  success_criteria="团队已成功完成任务。",
)

if __name__ =="__main__":
  team_leader.print_response(
"""\
分析近期美国关税对以下关键行业的市场表现影响：

-钢铁与铝：X、NUE、AA
-科技硬件：AAPL、DELL、HPQ

请按以下维度进行分析：
1.比较各行业在关税实施前后的股票表现
2.明确供应链中断情况及成本影响百分比
3.分析公司采取的战略应对措施（如回迁生产、价格调整、供应商多样化）
""",
    stream=True,
    stream_intermediate_steps=True,
    show_full_reasoning=True,
)