Praison AI:LangChain危险了!这个低代码框架让AI智能体「自主协作」,1行代码搞定任务编排

本文涉及的产品
NLP自然语言处理_高级版,每接口累计50万次
NLP自然语言处理_基础版,每接口每天50万次
NLP 自学习平台,3个模型定制额度 1个月
简介: Praison AI 是一个开源的多智能体框架,支持低代码创建和管理AI代理,提供多种流程类型和集成选项,适用于企业流程自动化、智能客服等场景。

❤️ 如果你也关注 AI 的发展现状,且对 AI 应用开发感兴趣,我会每日分享大模型与 AI 领域的开源项目和应用,提供运行实例和实用教程,帮助你快速上手AI技术!

🥦 微信公众号|搜一搜:蚝油菜花 🥦


🚨 "LangChain危险了!这个框架重新定义多智能体开发:低代码+工作流引擎+自主协作"
大家好,我是蚝油菜花。当大部分AI框架还在比拼单智能体能力时,Praison AI 已悄然开启多智能体协作的新战场——

它解决了三个行业级难题:

  • 🔨 低代码编排:用YAML定义智能体工作流,告别胶水代码
  • 🧠 认知一致性:通过中央记忆库保持多Agent上下文同步
  • ⚡ 弹性执行:支持动态任务分配和条件触发式流程

基于多智能体系统(MAS)理论,其分层架构让AI团队具备:

  • 产品经理Agent:拆解用户需求
  • 架构师Agent:生成技术方案
  • 开发Agent:自动生成代码
  • 评审Agent:实时质量检测

现在,只需一条CLI命令就能启动这个AI协作引擎!

🚀 快速阅读

Praison AI 是一个生产级的多智能体框架,旨在通过低代码解决方案简化多智能体系统的构建和管理。它支持多种流程类型,包括顺序、分层和工作流流程,并提供记忆功能,让代理在不同任务中保持上下文信息。

  1. 核心功能:支持创建具有工具交互能力的AI代理,提供记忆功能,支持多种流程类型。
  2. 技术原理:基于多智能体系统(MAS)和大型语言模型(LLM),支持动态路由、任务分配和条件执行。

Praison AI 是什么

PraisonAI-demo

Praison AI 是一个开源的多智能体框架,旨在简化多智能体系统的构建和管理。它提供了低代码环境,允许用户快速创建和管理AI代理,以自动化和解决从简单到复杂的任务。Praison AI 支持多种流程类型,包括顺序、分层和工作流流程,能够实现任务的动态路由、并行化执行、提示链和迭代优化等功能。

此外,Praison AI 提供了记忆功能,让代理在不同任务中保持上下文信息,增强任务的连贯性和效率。它还具备多种用户界面和集成选项,强调简单性、定制化及高效的人机协作,适用于需要灵活构建和管理多智能体系统的场景。

Praison AI 的主要功能

  • AI代理的创建与管理:支持创建具有工具交互能力的AI代理,与外部系统进行数据交换和操作。提供具有记忆功能的AI代理,在跨任务中保持上下文信息,增强任务的连贯性和效率。支持多种流程类型,包括顺序流程、分层流程和工作流流程,满足不同复杂度的任务需求。
  • 多种任务执行流程
    • 顺序流程:任务依次执行,适合简单的线性任务。
    • 分层流程:基于管理代理协调任务执行和代理分配,适合复杂的任务分配场景。
    • 工作流流程:支持复杂任务关系和条件执行,包括动态路由、并行化、提示链等功能。
  • 高效任务处理
    • 并行化执行:基于并行处理任务,提高性能。
    • 迭代优化:评估和反馈机制优化解决方案。
    • 重复任务处理:用自动化循环高效处理重复任务。
  • 集成与扩展:提供多种集成选项,支持与其他系统和工具的无缝对接。支持多种用户界面,包括聊天界面、代码界面、实时语音界面等。
  • 低代码开发:提供低代码环境,简化多智能体系统的构建和管理。强调简单性、定制化和高效的人机协作。

Praison AI 的技术原理

  • 多智能体系统(MAS):每个代理是一个独立的、具有自主性的实体,能够感知环境并做出决策。代理之间基于协作和通信完成复杂任务,支持任务分配、信息共享和动态调整。
  • 大型语言模型(LLM):利用 LLM 的强大语言理解和生成能力,为代理提供智能决策支持。支持动态路由和任务分配,将任务分配给最适合的 LLM 实例。
  • 工作流引擎:支持复杂任务的工作流定义,包括条件执行、并行处理和任务链。基于工作流引擎实现任务的自动化和优化。
  • 记忆与上下文管理:基于记忆机制,代理能保存和恢复上下文信息,增强任务的连贯性和效率。支持长期和短期记忆,适应不同任务需求。

如何运行 Praison AI

1. 单个代理

创建 app.py 文件并添加以下代码:

from praisonaiagents import Agent
agent = Agent(instructions="You are a helpful AI assistant")
agent.start("Write a movie script about a robot in Mars")

运行:

python app.py

2. 多个代理

创建 app.py 文件并添加以下代码:

from praisonaiagents import Agent, PraisonAIAgents

research_agent = Agent(instructions="Research about AI")
summarise_agent = Agent(instructions="Summarise research agent's findings")
agents = PraisonAIAgents(agents=[research_agent, summarise_agent])
agents.start()

运行:

python app.py

3. 无代码模式

使用命令行自动创建电影剧本:

pip install praisonai
export OPENAI_API_KEY=xxxxxxxxxxxxxxxxxxxxxx
praisonai --auto create a movie script about Robots in Mars

资源


❤️ 如果你也关注 AI 的发展现状,且对 AI 应用开发感兴趣,我会每日分享大模型与 AI 领域的开源项目和应用,提供运行实例和实用教程,帮助你快速上手AI技术!

🥦 微信公众号|搜一搜:蚝油菜花 🥦

相关实践学习
AnalyticDB PostgreSQL 企业智能数据中台:一站式管理数据服务资产
企业在数据仓库之上可构建丰富的数据服务用以支持数据应用及业务场景;ADB PG推出全新企业智能数据平台,用以帮助用户一站式的管理企业数据服务资产,包括创建, 管理,探索, 监控等; 助力企业在现有平台之上快速构建起数据服务资产体系
相关文章
|
4天前
|
数据采集 存储 人工智能
拆解AI-Agentforce企业级智能体中台:如何让企业AI落地从“噱头”到“实效”
在GDMS峰会上,迈富时集团尹思源指出41.3%中国企业尚未布局AI Agent,已应用者亦陷“Demo化、孤岛化”困局。其发布的AI-Agentforce智能体中台,以“冰山模型”重构架构,打通认知、价值、能力三重鸿沟,覆盖内容、获客、销售、陪练、分析五大场景,助力企业实现AI从“工具”到“数字员工”的全链路协同升级。
|
14天前
|
存储 人工智能 测试技术
手把手带你入门AI智能体:从核心概念到第一个能跑的Agent
AI智能体是一种能感知环境、自主决策并执行任务的人工智能系统。它不仅能生成回应,还可通过工具使用、计划制定和记忆管理完成复杂工作,如自动化测试、脚本编写、缺陷分析等。核心包括大语言模型(LLM)、任务规划、工具调用和记忆系统。通过实践可逐步构建高效智能体,提升软件测试效率与质量。
|
6天前
|
人工智能 前端开发 Docker
从本地到云端:用 Docker Compose 与 Offload 构建可扩展 AI 智能体
在 AI 智能体开发中,开发者常面临本地调试与云端部署的矛盾。本文介绍如何通过 Docker Compose 与 Docker Offload 解决这一难题,实现从本地快速迭代到云端高效扩容的全流程。内容涵盖多服务协同、容器化配置、GPU 支持及实战案例,助你构建高效、一致的 AI 智能体开发环境。
133 0
从本地到云端:用 Docker Compose 与 Offload 构建可扩展 AI 智能体
|
22天前
|
机器学习/深度学习 人工智能 程序员
Reflexion:让AI智能体学会反思的神奇技术
想象一下AI智能体能像人类一样从错误中学习,Reflexion技术让智能体不再需要重新训练就能自我改进。本文通过一个智能体助手小R的成长故事,带你轻松理解这个改变智能体学习方式的创新技术。
|
22天前
|
人工智能 测试技术 项目管理
测试不再碎片化:AI智能体平台「项目资料套件」功能上线!
在实际项目中,需求文档分散、整理费时、测试遗漏等问题常困扰测试工作。霍格沃兹推出AI智能体测试平台全新功能——项目资料套件,可将多个关联文档打包管理,并一键生成测试用例,提升测试完整性与效率。支持套件创建、文档关联、编辑删除及用例生成,适用于复杂项目、版本迭代等场景,助力实现智能化测试协作,让测试更高效、更专业。
|
17天前
|
人工智能 JavaScript 算法
Playwright携手MCP:AI智能体实现自主化UI回归测试
MCP 协议使得 AI 能够通过 Playwright 操作浏览器,其中快照生成技术将页面状态转化为 LLM 可理解的文本,成为驱动自动化测试的关键。该方式适用于探索性测试和快速验证,但目前仍面临快照信息缺失、元素定位不稳定、成本高、复杂场景适应性差以及结果确定性不足等挑战。人机协同被认为是未来更可行的方向,AI 负责执行固定流程,人类则专注策略与验证。
|
6天前
|
人工智能 JSON 测试技术
AI智能体开发实战:从提示工程转向上下文工程的完整指南
曾被热捧的提示工程正逐渐退潮,本文揭示其局限性,并提出“上下文工程”新范式:通过结构化提示、精准上下文管理、工具调用与统一状态,构建可扩展、可恢复、生产级的智能体工作流,推动AI系统迈向工程化与可控化。
87 9
AI智能体开发实战:从提示工程转向上下文工程的完整指南
|
6天前
|
机器学习/深度学习 人工智能 自然语言处理
AI Compass前沿速览:IndexTTS2–B站、HuMo、Stand-In视觉生成框架、Youtu-GraphRAG、MobileLLM-R1–Meta、PP-OCRv5
AI Compass前沿速览:IndexTTS2–B站、HuMo、Stand-In视觉生成框架、Youtu-GraphRAG、MobileLLM-R1–Meta、PP-OCRv5
AI Compass前沿速览:IndexTTS2–B站、HuMo、Stand-In视觉生成框架、Youtu-GraphRAG、MobileLLM-R1–Meta、PP-OCRv5
|
6天前
|
人工智能 Java 开发者
阿里出手!Java 开发者狂喜!开源 AI Agent 框架 JManus 来了,初次见面就心动~
JManus是阿里开源的Java版OpenManus,基于Spring AI Alibaba框架,助力Java开发者便捷应用AI技术。支持多Agent框架、网页配置、MCP协议及PLAN-ACT模式,可集成多模型,适配阿里云百炼平台与本地ollama。提供Docker与源码部署方式,具备无限上下文处理能力,适用于复杂AI场景。当前仍在完善模型配置等功能,欢迎参与开源共建。
253 1
阿里出手!Java 开发者狂喜!开源 AI Agent 框架 JManus 来了,初次见面就心动~

热门文章

最新文章