Ruvikm

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 ...

最近在研究调用官方的工具，但官方文档的说明是在是太少了，后来在一个视频里看到了如何配置，记录一下 以PDF RAG Search工具举例，官方文档对于自定义模型的说明如下： 默认情况下，该工具使用 OpenAI 进行嵌入和总结。要自定义模型，可以使用配置字典，如下所示： tool = PDFSearchTool( config=dict( llm=dict( provider="ollama", # or google, openai, anthropic, llama2, ... config=dict( model="llama2", # temperature=0.5, # top_p=1, # stream=true, ), ), embedder=dict( provider=&qu ...

一开始看官方文档以为要用@callback这个注释在一个自定义函数上输出日志，结果弄半天都没有结果，最后发已经有现成的方法了（一开始搜log都没搜到这个方法） 只要添加这个output_log_file配置参数即可，由于我的项目只有一个crew，为了完整记录所有的日志，所以我就在上面配置了。官方可以指定文件路径和名称，我就写了一个自动生成文件名的函数，相关代码如下： def generate_log_fileName(self): """ 根据当前时间生成日志文件路径 Returns: str: 完整的日志文件路径 """ # 日志目录，根据自己项目修改 log_dir = "../../logs" os.makedirs(log_dir, exist_ok=True) # 生成精确到秒的时间戳 timestamp = datetime.now().strftime("%Y%m%d_%H%M%S") # 返回 ...

使用原生的Crewai框架在自定义的工具llm_utils.py或是crew.py文件里如下配置（调用OpenAI） from crewai import Agent, Crew, Process, Task, LLMfrom crewai.project import CrewBase, agent, crew, taskllm = LLM( base_url="https://xxxxxxx/v1", api_key="sk-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx", model="gpt-4o", # 本次使用的模型 # temperature=0.7, # 发散的程度 # timeout=None,# 服务请求超时 # max_retries=2,# 失败重试最大次数 )@agent def product_manager(se ...

f666a1e82130d441cf5f17739ffab407a424b6f259c754be81dfb0d0c46465c4443c37be81c27c2b0611143c9905d87e496bfdbea88991ba496dd85ded707e4c45b262baaf7ce1e14fb3520d63488440fdb0a8a53a0e154e6b7b67d92ded4da9da0d403362294098760ea138983e9589fdd7c753d84983e3cd2960a362f4503047d5d77acf6da880f6eafd62b2fd8bfb792bd281769850133d3b88bb0d63bcdf14d2795bb67c471468f4f1c19dc32823c3a92368e55262e404c6d28f6274a3817353171773a0558ff728a595b502831bf5a05ee1dbe5a858f2f18f16a32a5f0500d6cfe621da2f8c4580b934ebcf03911e9c3d4dcc551594a ...