包含：
- 核心配置文件（AGENTS.md, SOUL.md, USER.md等）
- 记忆系统（memory/文件夹）
- 技能库（skills/文件夹）
- 小说内容（novel/文件夹）
- .gitignore配置

2026-03-30 15:46:26 +08:00

3.2 KiB

Raw Permalink Blame History

Agent 定义方法

导入方法

LLM Agent: from veadk import Agent
Sequential Agent: from veadk.agents.sequential_agent import SequentialAgent
Loop Agent: from veadk.agents.loop_agent import LoopAgent

其中，LLM Agent 是最基础的智能体（由 LLM 启动进行自主决策），Sequential Agent 是按顺序执行的智能体，Loop Agent 是循环执行的智能体。

代码规范

你可以通过如下方式定义智能体：

root_agent = Agent(
    name="...",
    description="...",
    instruction="...", # 智能体系统提示词
    sub_agents=[sub_agent] # 子智能体列表
)

sub_agent = Agent(
    name="...",
    description="...",
    instruction="...", # 智能体系统提示词
)

你也可以生成一个强制按顺序执行的智能体：

sub_agent_1 = Agent(
    name="...",
    description="...",
    instruction="...", # 智能体系统提示词
)

sub_agent_2 = Agent(
    name="...",
    description="...",
    instruction="...", # 智能体系统提示词
)

# SequentialAgent 只需要写入 sub_agent 即可
root_agent = SequentialAgent(
    sub_agents=[sub_agent_1, sub_agent_2] # 子智能体列表
)

sub_agent_1 与 sub_agent_2 将会严格按顺序执行

注意，根智能体的命名必须为 root_agent。

让 Agent 结构化输出

为保证更高的准确率和 Agent 执行时的可控性，使用结构化输出是一种有效的手段。

在定义 Agent 时，通过 model_extra_config={"response_format": ...} 可以让 Agent 结构化输出。其中，... 是你定义的 Pydantic 模型，用于描述 Agent 的输出格式。

from pydantic import BaseModel
from veadk import Agent, Runner


# 定义分步解析模型（对应业务场景的结构化响应）
class Step(BaseModel):
    explanation: str  # 步骤说明
    output: str  # 步骤计算结果


# 定义最终响应模型（包含分步过程和最终答案）
class MathResponse(BaseModel):
    steps: list[Step]  # 解题步骤列表
    final_answer: str  # 最终答案


agent = Agent(
    instruction="你是一位数学辅导老师，需详细展示解题步骤",
    model_extra_config={"response_format": MathResponse},
)

运行完毕后，你需要将结果解析为你定义的 Pydantic 模型，例如：

import asyncio
import json

from veadk import Agent, Runner

agent = Agent()
runner = Runner(agent=agent) # 挂载想要运行的 Agent

response = asyncio.run(runner.run("你好")) # 使用 `run` 函数执行
response = json.loads(response)

parsed_response = MathResponse(**response)
print(parsed_response) # BaseModel 实例

运行 Agent

如果你想直接在 Python 中执行 Agent，可以通过定义 Runner 来执行：

import asyncio

from veadk import Agent, Runner

agent = Agent()
runner = Runner(agent=agent) # 挂载想要运行的 Agent

response = asyncio.run(runner.run("你好")) # 使用 `run` 函数执行
print(response)

通常情况下，你可以定义一个函数来将 Agent 的执行封装起来，例如：

async def run_agent(agent: Agent, prompt: str) -> str:
    runner = Runner(agent=agent)
    response = await runner.run(prompt)
    return response

3.2 KiB Raw Permalink Blame History Unescape Escape