Sage：答案引擎

本示例展示了如何构建 Sage，一个类似 Perplexity 的答案引擎，它可以根据用户的查询智能地决定是执行网络搜索还是使用 ExaTools 进行深度分析。

Sage：

1. 使用实时网络搜索（DuckDuckGo）和深度上下文分析（ExaTools）来提供全面的答案
2. 根据查询的复杂性智能地选择工具
3. 提供交互式 Streamlit 用户界面，支持会话管理和聊天记录导出
4. 支持多个 LLM 提供商（OpenAI、Anthropic、Google、Groq）

主要功能

• 自然语言查询理解和处理
• 与 DuckDuckGo 的实时网络搜索集成
• 使用 ExaTools 进行深度上下文分析
• 支持多个 LLM 提供商
• 使用 SQLite 进行会话管理
• 聊天记录导出
• 交互式 Streamlit 用户界面

可以尝试的简单查询

• “告诉我关于美国在 2025 年实施的关税”
• “哪个推理模型更好：o3-mini 还是 DeepSeek R1？”
• “告诉我关于 Agno”
• “可再生能源的最新趋势是什么？“

高级分析查询

• “评估新兴的 AI 法规如何影响创新”
• “比较电动汽车与氢燃料汽车对环境的影响”
• “分析全球半导体供应链的挑战”
• “解释量子计算对加密技术的影响”

代码

完整的代码可在 Agno 仓库 中找到。

使用方法

1. 克隆仓库

   git clone https://github.com/agno-agi/agno.git
   cd agno
   

2. 创建虚拟环境

   python3 -m venv .venv
   source .venv/bin/activate  # 在 Windows 上：.venv\Scripts\activate
   

3. 安装依赖项

   pip install -r cookbook/examples/streamlit_apps/answer_engine/requirements.txt
   

4. 设置 API 密钥

   # 必需
   export OPENAI_API_KEY=***
   export EXA_API_KEY=***
   
   # 可选（用于额外模型）
   export ANTHROPIC_API_KEY=***
   export GOOGLE_API_KEY=***
   export GROQ_API_KEY=***
   

   我们建议使用 gpt-4o 以获得最佳性能。

5. 启动应用程序

   streamlit run cookbook/examples/streamlit_apps/answer_engine/app.py
   

   打开 localhost:8501 开始使用 Sage。

模型选择

该应用程序支持多个模型提供商：

• OpenAI (o3-mini, gpt-4o)
• Anthropic (claude-3-5-sonnet)
• Google (gemini-2.0-flash-exp)
• Groq (llama-3.3-70b-versatile)

代理配置

代理配置在 agents.py 中，提示在 prompts.py 中：

• 要修改提示，请更新 prompts.py 文件
• 要添加新工具或模型，请更新 agents.py 文件

支持

需要帮助？加入我们的 Discourse 社区 获取支持！