最近在学习Agent的一些知识，了解到了modelscop-Agent的开源框架。感觉还是蛮有意思，就基于此做了一个有趣的小助手。只要用户输入城市名称，该小助手便可以生成一篇该城市的小红书风格的图文介绍。
希望写下博客记录一下自己的学习历程，本人刚开始写博客，有很多疏漏，希望大家多多包容。后面会继续更新关于Agent的一些有趣小项目，希望对该方向比较感兴趣的同学，可以关注一波。
目录
前言
Modelscope-Agent是一个可定制的、可扩展的Agent代码框架。单Agent具有角色扮演、LLM调用、工具使用、规划、记忆等能力。 主要具有以下特点：
主要功能
用户只需输入想要了解的城市名称，该小助手即可生成小红书类似的图文介绍。当输入“北京”时，其效果如下：
主要代码
环境配置：
import os
import gradio as gr
from modelscope_agent.agents.role_play import RolePlay
ZHIPU_API_KEY = os.environ.get('ZHIPU_API_KEY')
DASHSCOPE_API_KEY = os.environ.get('DASHSCOPE_API_KEY')首先需要去下载modelscope-Agent框架的代码，其链接为：https://github.com/modelscope/modelscope-agent
配置好环境，python的版本需要3.9以上，按照要求安装需要的库。去相应的平台上获取需要的API-KEY，我这里用的是智谱的API，新人用户会有2千万token的免费额度，当然阿里云的通义系列模型也可以，不过我由于之前已经用过，现在送的额度过期了。
环境变量的配置的方法
为了安全，建议将密钥添加到环境变量中，
Linux系统
可以通过以下命令：
# 用您的 DashScope API-KEY 代替 YOUR_DASHSCOPE_API_KEY
export DASHSCOPE_API_KEY="YOUR_DASHSCOPE_API_KEY"该命令是对当前用户添加永久性环境变量，使得在该用户的新会话中也可以使用该环境变量。
或直接运行以下命令将上述命令语句添加到~/.bashrc中：
# 用您的 DashScope API-KEY 代替 YOUR_DASHSCOPE_API_KEY
echo "export DASHSCOPE_API_KEY='YOUR_DASHSCOPE_API_KEY'" >> ~/.bashrc添加完成后，您可以运行以下命令使得环境变量生效：
source ~/.bashrc您可以新建立一个会话，运行以下命令检查环境变量是否生效：
echo $DASHSCOPE_API_KEYwindows系统
可以使用CMD中的命令行添加DashScope的API-KEY为环境变量，当在CMD中为当前用户添加永久性环境变量时，可以运行以下命令：
# 用您的 DashScope API-KEY 代替 YOUR_DASHSCOPE_API_KEY
setx DASHSCOPE_API_KEY "YOUR_DASHSCOPE_API_KEY"然后新建立一个会话，运行以下命令检查环境变量是否生效：
echo %DASHSCOPE_API_KEY%Agent的配置
Agent初始化
#Agent的描述
role_template_city = '你是城市介绍小助手，可以根据提供的城市名称介绍任何城市，包括城市历史、城市文化、城市交通、城市生活、城市环境等方面。记住你仅仅只需要输出文字内容。'
role_template_picture = '你是城市图片生成小助手，可以调用图片生成工具，根据提供的城市描述生成2张图片，图片尺寸为 512*512。记住你仅仅只需要输出图片链接。'
role_template_redbook = '你是图文排版小助手，可以根据提供的城市描述和2张该城市图片，排版成图文格式，类似小红书风格的形式。'
# LLM配置
llm_config = {'model': 'GLM-4-0520', 'model_server': 'zhipu'}
# 工具列表
function_list = ['image_gen']
# 初始化Agent
city= RolePlay(llm=llm_config, instruction=role_template_city)
picture = RolePlay(llm=llm_config, instruction=role_template_picture , function_list=function_list)
redbook = RolePlay(llm=llm_config, instruction=role_template_redbook)我一共设置了三个大模型，其实不需要设置这么多，我将任务进行了分解，可以更好的完成总任务。
回复逻辑
def chat(city1, history):
history = history or []
city_prompt = f'城市 {city1}'
city_response_stream = city.run(city_prompt)
city_response = ''
for chunk in city_response_stream:
city_response += chunk
picture_prompt = f'{city1}城市描述为：{city_response}'
picture_response_stream = picture.run(picture_prompt)
picture_response = ''
for chunk in picture_response_stream:
picture_response += chunk
message = f'{city1}城市描述为：{city_response}，城市图片为：{picture_response}'
response_generator = redbook.run(message)
history.append((message, ""))
for chunk in response_generator:
history[-1] = (message, history[-1][1] + chunk)
yield history
return界面设计
为了更好的与设计的Agent交互，设计一个简单的交互界面是比较主要的，可以使用gradio库，可以快速构建出一个交互界面。
代码为：
with gr.Blocks() as demo:
gr.Markdown("# <center>基于小红书风格的城市介绍</center>")
gr.Markdown("请输入城市，我将为你提供关于该城市的小红书风格介绍。")
chatbot = gr.Chatbot(height=350)
msg = gr.Textbox(label="输入您的问题")
with gr.Row():
submit = gr.Button("提交")
clear_button = gr.Button("清除对话")
msg.submit(chat, [msg, chatbot], [chatbot])
submit.click(chat, [msg, chatbot], [chatbot])
clear_button.click(clear_chat, outputs=[chatbot, msg])
def clear_chat():
return None, ""其结果为：
结果
当输入文本为“北京”时，小助手输出的结果为如下：
以下是北京城市的图文排版，类似小红书风格的格式：
🌃 北京城市风光 —— 首都的魅力之旅
📜 城市历史与文化
北京，这座拥有3000多年历史的古都，见证了中国的历史变迁。故宫、天坛、颐和园等地标性建筑，无不透露出深厚的历史文化底蕴。同时，作为文化中心，北京融合了传统与现代，798艺术区、国家大剧院等现代文化场所，让艺术在这里绽放。🚗 城市交通
北京的交通网络四通八达，地铁、公交、道路系统完善。未来，城市副中心站综合交通枢纽的建设，将进一步提升交通的便捷性。🏠 城市生活
在这里，国际化大都市的繁华与便利触手可及。尽管面临交通拥堵等挑战，但北京正通过智能交通系统等措施，让城市生活更加宜居。🌳 城市环境
环境治理让北京的空气质量得到显著改善，绿化面积的增加，为居民提供了更好的生活环境。以下是一些北京的城市风光：
📸 留下你的足迹
北京的每一条街道，每一个角落，都有故事等你来发现。不妨亲自走一走，感受这座城市的魅力。
这样的排版风格，既展示了北京的城市特色，也融入了温馨的旅游提示，非常适合在小红书等社交平台上分享。
总结
modelscope-agent比较易上手，功能也比较全面，对于刚了解agent的人来说，可以快速学习搭建自己的agent，后面会继续更新关于agent的一些有趣的小项目。
附录——完整代码
import os
import gradio as gr
from modelscope_agent.agents.role_play import RolePlay
ZHIPU_API_KEY = os.environ.get('ZHIPU_API_KEY')
DASHSCOPE_API_KEY = os.environ.get('DASHSCOPE_API_KEY')
#Agent的描述
role_template_city = '你是城市介绍小助手，可以根据提供的城市名称介绍任何城市，包括城市历史、城市文化、城市交通、城市生活、城市环境等方面。记住你仅仅只需要输出文字内容。'
role_template_picture = '你是城市图片生成小助手，可以调用图片生成工具，根据提供的城市描述生成2张图片，图片尺寸为 512*512。记住你仅仅只需要输出图片链接。'
role_template_redbook = '你是图文排版小助手，可以根据提供的城市描述和2张该城市图片，排版成图文格式，类似小红书风格的形式。'
# LLM配置
llm_config = {'model': 'GLM-4-0520', 'model_server': 'zhipu'}
# 工具列表
function_list = ['image_gen']
# 初始化Agent
city= RolePlay(llm=llm_config, instruction=role_template_city)
picture = RolePlay(llm=llm_config, instruction=role_template_picture , function_list=function_list)
redbook = RolePlay(llm=llm_config, instruction=role_template_redbook)
def chat(city1, history):
history = history or []
city_prompt = f'城市 {city1}'
city_response_stream = city.run(city_prompt)
city_response = ''
for chunk in city_response_stream:
city_response += chunk
picture_prompt = f'{city1}城市描述为：{city_response}'
picture_response_stream = picture.run(picture_prompt)
picture_response = ''
for chunk in picture_response_stream:
picture_response += chunk
message = f'{city1}城市描述为：{city_response}，城市图片为：{picture_response}'
response_generator = redbook.run(message)
history.append((message, ""))
for chunk in response_generator:
history[-1] = (message, history[-1][1] + chunk)
yield history
return
def clear_chat():
return None, ""
with gr.Blocks() as demo:
gr.Markdown("# <center>基于小红书风格的城市介绍</center>")
gr.Markdown("请输入城市，我将为你提供关于该城市的小红书风格介绍。")
chatbot = gr.Chatbot(height=350)
msg = gr.Textbox(label="输入您的问题")
with gr.Row():
submit = gr.Button("提交")
clear_button = gr.Button("清除对话")
msg.submit(chat, [msg, chatbot], [chatbot])
submit.click(chat, [msg, chatbot], [chatbot])
clear_button.click(clear_chat, outputs=[chatbot, msg])
demo.queue()
demo.launch()
13万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
