Swarm 프레임 워크가있는 수입 보고서 에이전트 구축

OpenAi의 Swarm 프레임 워크로 자동 소득 보고서 분석의 힘을 잠금 해제하십시오.

수입 보고서 분석, 주요 통찰력 추출 및 정보에 입각 한 권장 사항을 생성하는 힘든 프로세스를 자동으로 자동으로 상상해보십시오. 이 기사에서는 OpenAI의 떼 프레임 워크를 사용하여 다중 에이전트 시스템을 구축하여이를 달성하는 방법을 보여줍니다. 우리는 요약자, 감정 분석기 및 권장 엔진의 세 가지 특수 에이전트를 구성합니다. 이 확장 가능한 모듈 식 솔루션은 재무 분석을 간소화하고 수입 보고서를 넘어 다양한 응용 프로그램으로 확장합니다.

주요 학습 목표 :

• 다중 에이전트 시스템에 대한 OpenAi의 떼 프레임 워크의 기본 사항을 파악하십시오.
• 요약, 감정 분석 및 권장 사항 생성을위한 에이전트를 개발하십시오.
• 효율적인 수입 보고서 분석을 위해 모듈 식 에이전트를 활용합니다.
• .env 파일을 사용하여 API 키를 안전하게 관리합니다.
• 수입 보고서 처리를 자동화하기 위해 다중 에이전트 시스템을 구현하십시오.
• 금융에서 다중 에이전트 시스템의 실제 응용 프로그램을 이해하십시오.
• OpenAi의 떼를 사용하여 다중 에이전트 워크 플로를 설정하고 실행하십시오.

이 기사는 Data Science Blogathon의 일부입니다.

목차 :

• 주요 학습 목표
• Openai의 떼를 소개합니다
• 다중 에이전트 시스템 응용 프로그램 및 장점
• 1 단계 : 프로젝트 설정
• 2 단계 : API 키 스토리지를 보호하십시오
• 3 단계 : 에이전트 구현
• 4 단계 : 파일로드 헬퍼 기능
• 5 단계 : main.py 의 구성 요소 통합
• 6 단계 : 샘플 수입 보고서 생성
• 7 단계 : 프로그램 실행
• 결론
• 자주 묻는 질문

Openai의 떼 소개 :

Openai의 가볍고 실험적인 프레임 워크 인 Swarm은 다중 에이전트 오케스트레이션에서 탁월합니다. 그것은 각각의 특정 작업을 전문으로하는 여러 에이전트의 조정을 용이하게합니다 (예 : 요약, 감정 분석, 권장 생성). 우리의 시스템은 세 가지 에이전트로 구성됩니다.

• 요약 에이전트 : 수입 보고서의 간결한 요약을 제공합니다.
• 감정 에이전트 : 보고서에 표현 된 감정을 분석합니다.
• 추천 에이전트 : 감정 분석을 기반으로 실행 가능한 권장 사항을 제공합니다.

다중 에이전트 시스템 응용 프로그램 및 장점 :

여기에 제시된 다중 에이전트 시스템은 다양한 사용 사례에 적응할 수 있습니다.

• 포트폴리오 관리 : 여러 회사 보고서의 모니터링을 자동화하고 감정 추세에 따라 포트폴리오 조정을 제안합니다.
• 금융 뉴스 요약 : 실시간 뉴스 피드를 통합하여 잠재적 인 시장 변화를 적극적으로 식별합니다.
• 감정 추적 : 긍정적/부정적인 시장 뉴스 감정을 기반으로 주식 또는 암호화 운동을 예측합니다.

에이전트의 모듈성은 프로젝트에서 구성 요소 재사용을 가능하게하여 유연성과 확장 성을 향상시킵니다.

1 단계 : 프로젝트 설정 :

프로젝트 구조를 만들고 필요한 종속성을 설치하는 것으로 시작하십시오.

 MKDIR areinings_Report
CD Earings_Report
mkdir 에이전트는 유용합니다
main.py agents/__ init__.py utils/__ init__.py .gitignore를 터치합니다
PIP 설치 git https://github.com/openai/swarm.git Openai Python-Dotenv

2 단계 : API 키 스토리지 보안 :

OpenAI API 키를 .env 파일에 단단히 저장하십시오.

 <code>OPENAI_API_KEY=your-openai-api-key-here</code>

코드 내에서 API 키 노출을 방지합니다.

3 단계 : 에이전트 구현 :

세 가지 에이전트를 만들어 봅시다 :

요약 에이전트 ( agents/summary_agent.py ) :

 Swarm Import Agent에서

def summarize_report (context_variables) :
    report_text = context_variables [ "report_text"]
    return f "요약 : {report_text [: 100]} ..."

summary_agent = 에이전트 (
    이름 = "요약 에이전트",
    지침 = "수입 보고서의 핵심 요점을 요약하십시오.",
    함수 = [summarize_report]
))

감정 에이전트 ( agents/sentiment_agent.py ) :

 Swarm Import Agent에서

def analyze_sentiment (context_variables) :
    report_text = context_variables [ "report_text"]
    감정 = "긍정적 인"report_text else "negative"의 "이익"
    반환 f "보고서의 감정은 다음과 같습니다. {sentiment}"

sentiment_agent = 에이전트 (
    이름 = "감정 에이전트",
    지침 = "보고서의 감정을 분석하십시오.",
    functions = [Analyze_Sentiment]
))

추천 에이전트 ( agents/recommendation_agent.py ) :

 Swarm Import Agent에서

def generate_recommendation (context_variables) :
    감정 = context_variables [ "정서"]
    권장 사항 = "구매"인 경우 구매 == "긍정적 인"else "hold"
    반환 f "내 권장 사항은 다음과 같습니다. {추천}"

추천 _agent = 에이전트 (
    이름 = "추천 에이전트",
    지시 사항 = "정서 분석을 기반으로 조치를 권장합니다.",
    함수 = [Generate_Recommendation]
))

4 단계 : 파일로드 헬퍼 기능 :

효율적인 파일로드를 위해 헬퍼 기능 ( utils/helpers.py )을 만듭니다.

 def load_earnings_report (filepath) :
    파일로 Open (FilePath, "R")을 사용하여 :
        return file.read ()

5 단계 : main.py 의 구성 요소 통합 :

메인 스크립트에서 에이전트를 조정하십시오.

 # ... (이전과 같이 수입 명세서) ...

#로드 환경 변수
load_dotenv ()
os.environ [ 'openai_api_key'] = os.getenv ( 'Openai_api_key')

클라이언트 = Swarm ()
report_text = load_earnings_report ( "sample_earnings.txt")

# ... (이전과 같이 에이전트 실행) ...

6 단계 : 샘플 수입 보고서 생성 :

샘플 데이터를 사용하여 sample_earnings.txt 만들기 :

 <code>Company XYZ reported a 20% increase in profits compared to the previous quarter. Sales grew by 15%, and the company expects continued growth in the next fiscal year.</code>

7 단계 : 프로그램 실행 :

프로그램 실행 :

 Python main.py

(원래 기사에 제공된 이미지와 유사한 출력.)

결론:

이 튜토리얼은 자동화 된 수입 보고서 분석을 위해 OpenAI의 떼를 사용하는 다중 에이전트 시스템을 보여줍니다. 모듈 식 설계 및 적응성은 재무 분석 및 그 이상을위한 강력한 도구입니다. 추가 향상에는 동적 분석을 위해 실시간 재무 API 통합이 포함될 수 있습니다.

자주 묻는 질문 : (원래 FAQ 섹션과 유사하지만 더 나은 선명도와 흐름을 위해 잠재적으로 다시 제작)

이 기사에 표시된 미디어는 [플랫폼 이름]이 소유하지 않으며 저자의 재량에 따라 사용됩니다.

위 내용은 Swarm 프레임 워크가있는 수입 보고서 에이전트 구축의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!