Ruvikm

昨天看了一天论文，好多都是使用OSM这个框架作为上层解析意图的，ONOS作为下层部署的，先试一试吧，能不能搭建成功，这次就是边写边搭建了 OSM平台搭建简介OSM的官网如下： https://osm.etsi.org/ OSM is developing an open source Management and Orchestration (MANO) stack aligned with ETSI NFV Information Models. As a community-led project, OSM delivers a production-quality MANO stack that meets operators’ requirements for commercial NFV deployments. 搭建前的准备整一个虚拟机按照官方的意思，是用的Ubuntu22.04版本，推荐的配置为4 个 CPU、16 GB 内存、80 GB 磁盘和一个可上网的接口 Ubuntu22.04镜像下载地址： https://releases.ubuntu.com/22.04/ 安 ...

Tips：如果Ubuntu内的python版本不是在3.6 —- 3.8之间的，可以参考一下这篇博客，安装一下旧版本的Python 搭建了一半，mini-nfv一直导入不了TOSCA配置文件，这个笔记先留着！！！ https://blog.csdn.net/ccgshigao/article/details/108212828 如果想要一劳永逸，强烈建议使用Ubuntu 20.04 LTS，这个版本也包含旧版本的python2.7.x ！！！！！！！！！！！！！！！ 这里记录一下安装Ubuntu 20.04遇到的问题 安装VM-Tools后虚拟机仍不能与主机之间复制粘贴 Ubuntu20.04安装VMware Tools详解 解决ubuntu无法正常访问github的问题 Mininet安装配置Mininet 是一个轻量级的网络仿真工具，能够在单台机器（无论是虚拟机、云环境还是本地系统）上快速创建一个真实的虚拟网络。它运行真实的内核、交换机和应用程序代码，只需一个命令即可在几秒钟内完成部署。此外，Mininet 是开发、共享和实验软件定义网络（SDN）系统的理想平台，支持 Open ...

简介 CrewAI 是一个 AI 智能体协作框架，就像组建一个 AI 团队。你可以给每个 AI 分配不同职位（如研究员、分析师），它们会像真实团队一样分工合作完成任务。适合自动化客服、数据分析、市场调研等场景。 组件 描述 关键特性 Crew 最高层级的组织 ・管理人工智能代理团队・监督工作流程・确保协作・交付成果 AI Agents 专业团队成员 ・拥有特定角色（研究员、撰稿人）・使用指定工具・能够委派任务・自主做出决策 Process 工作流管理系统 ・定义协作模式・控制任务分配・管理交互・确保高效执行 Tasks 单个的工作安排 ・有明确的目标・使用特定工具・融入更大的流程・产生可执行的结果 各部分如何协同运作 Crew是一个团队，包含一个或多个AI Agent，一般是完成一个较大的目标 AI Agents是执行任务的最小单位，一般完成一个小目标，可以配备外部工具和上下文记忆 多个Crew通过Process可以整合起来，完整一个最终的目标 Demo下面是一个CrewAI项目的一般结构，以编写一个查找员工信息的程序为例（crewai版本0. ...

第二题游游现在有一个公司，这个公司里有n个任务，每一个任务都有一个能力值和收益值，现在有m个工人，每一个工人都有一个能力值，对于每一个任务来说，只有这个人的能力值不低于该任务需要的能力值，才可以完成这个任务。假设多个工人可以完成同一个任务，收益为这个任务的收益值乘以这个任务完成的次数，现在想知道每一个工人最多只能安排一个任务的前提下，最大的收益值是多少？ 输入描述每一个文件输入第一行输入一个整数T（$1 \leq T \leq 100$），代表有T组测试数据。 接下来T组，每一组第一行输入两个整数n,m($1 \leq n,m \leq 10^4$) 第二行输入n个整数，其中a[i]代表第i个任务所需要的的能力值 第三行输入n个整数，其中$p_i$($1 \leq p[i] \leq 10^5$)代表第i个任务的收益 第四行输入m个整数，其中$b_i$($1 \leq b[i] \leq 10^5$)代表第i个工人的能力数据保证同一个文件内n的总和不超过$10^5$，m的总和不超过$10^5$ 数据保证同一个文件内n的总和不超过$10^5$，m的总和不超过$10^5$ 输出描述对于每一 ...

使用crewai框架（0.102.0）的时候，控制台突然会出现很多报错信息，但是并不影响程序的实际输出 ERROR:opentelemetry.sdk.trace.export:Exception while exporting Span batch.Traceback (most recent call last): File "G:\ProgramData\anaconda3\envs\crewai_1002\lib\site-packages\urllib3\connectionpool.py", line 464, in _make_request self._validate_conn(conn) File "G:\ProgramData\anaconda3\envs\crewai_1002\lib\site-packages\urllib3\connectionpool.py", line 1093, in _validate_conn conn.connect() File "G:\ProgramData ...

f666a1e82130d441cf5f17739ffab4075a317a77dcaf23bc89a4de7efe3e46fd0051dae36ef4ea0d94b4ba139229f25f12629f83972c7d0fca6cbb2fed7693b7b398480d41e5aa64712ef3c8bfabed55aafc29dffcc8ad72f3c59f58623c299f6cdfbb1d868c2b0b4bceb04d6709acba5161b62d4511006fb81aaaa644397f14c1f35b3123b2677aa7a6baf30ce36f4ca79345672218c6237cd391e08be9ad4434ee56ac486f779682e829a66a45a2560f66d85a1980b4705849c51c1c81ccbcb38cac5c412dfcea80b7ab86cc39ce44aca68fbb741faf74d806f58e92b096cfb540ec3f6f9dd3aa6454a50746ab026c77e2b6f635a51e8ac ...

f666a1e82130d441cf5f17739ffab407630a3f80748a82152524dd013beee000577739ab764e773a9c26bd20a57dd1be59ecd42a5ebd85bd72ab13ad1b1864f6d2a453f69d2a63b8910fb7b00da7e8ba5fffe87d68b620f5b8e9017c2e698eabefe004cf0972a7adeebc6f7ba34711db6a622611d06da4c3fb146ba10e9685b6460b46579d314877ab583a43ca1c24228720e42c624cff1aa95cd8cb6ec56b8a7755027431decd2fa9db0df4e218fa2a42fbd60ee7ffd21879835ee1f8b050577f9e57080a3110cdaca85576e56a38b104730738582f941b5c2c0eff49c50ba460ac9a9eabdc705a42feeaac124881140ea115fcc923aba3d ...

官方的文档如下 https://docs.crewai.com/concepts/knowledge 但是不知道为什么，可能是版本的问题（我用的是0.86.0），参考官方文档的配置我会报错，并且也导入不了数据库，也可能用的不是官方API。本文以常用的csv，json，pdf作为知识库进行举例 重点：下面的代码是基于0.83.0版本的！！！最新版本（0.108.0）框架的配置可以移步文章底部 使用csv文件作为数据源def csv_knowledge_source(): # 指定向量数据库持久化文件夹（如需要可取消注释） os.environ["CREWAI_STORAGE_DIR"] = "vector_store_csv" current_dir = Path(__file__).parent csv_path = current_dir / "files/high_school_scores.csv" if not csv_path.exists(): raise FileNo ...

官方文档里只指提了一句 不过不太难，在crew.py文件里配置一下就行了，下面是一个demo，这个函数会在research_task任务执行完触发（配置LLM这里请看我这篇博客） from crewai import Crew, Process, Agent, Taskfrom src.sfc_intent.tools.LLMS import my_llmopenai_llm = my_llm("openai")def my_callback(*args, **kwargs): print("任务执行完毕")# 定义您的代理researcher = Agent( role='研究员', goal='进行基础研究', backstory='一位经验丰富的研究员，热衷于发现见解', llm=openai_llm, verbose=True,)analyst = Agent( role='数据分析师', goal=' ...

f666a1e82130d441cf5f17739ffab4079e1e5ddf70ab732ff88115b90b98b949f74fa7e470c8e7fcc53cad7f056bea93d0e30264ba3db9284b36c54bb0982957ec3fe28650d5606fd53ef8414ed1d5a6c34916c67156f14d3a31bb586992b2490e7327be0cedce2956c7ea2f9ae0e7bf163145247e190b394f096810b810721b5e7c3f37f3e97f6d474e55b618493cdb21c373b5c0de75587276084c2303faffcb81fab8f5e9a22d07634ffeb98ddfe37c706e967bc52d1d3c7fb347b86b732fd59165eda927b5562421f3fe1d07067a685345c87c473a6db8c1ed5489a1635eb7b2a676199d4074dbcfa4c2160705b9f087aef71724c8a31 ...