> ## Documentation Index
> Fetch the complete documentation index at: https://ikun.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.
# Agno 是什么？
> Agno 是一个用于构建具有共享内存、知识和推理能力的多代理系统的 Python 框架。
工程师和研究人员使用 Agno 来构建：
* **Level 1:** 具有工具和指令的代理（[示例](/introduction/agents#level-1%3A-agents-with-tools-and-instructions)）。
* **Level 2:** 具有知识和存储的代理（[示例](/introduction/agents#level-2%3A-agents-with-knowledge-and-storage)）。
* **Level 3:** 具有内存和推理能力的代理（[示例](/introduction/agents#level-3%3A-agents-with-memory-and-reasoning)）。
* **Level 4:** 可以推理和协作的代理团队（[示例](/introduction/multi-agent-systems#level-4%3A-agent-teams-that-can-reason-and-collaborate)）。
* **Level 5:** 具有状态和确定性的代理工作流（[示例](/introduction/multi-agent-systems#level-5%3A-agentic-workflows-with-state-and-determinism)）。
**示例：** 一个使用 YFinance API 回答问题的 Level 1 推理代理：
```python Reasoning Finance Agent theme={null}
from agno.agent import Agent
from agno.models.anthropic import Claude
from agno.tools.reasoning import ReasoningTools
from agno.tools.yfinance import YFinanceTools
reasoning_agent = Agent(
model=Claude(id="claude-sonnet-4-20250514"),
tools=[
ReasoningTools(add_instructions=True),
YFinanceTools(stock_price=True, analyst_recommendations=True, company_info=True, company_news=True),
],
instructions="Use tables to display data.",
markdown=True,
)
```
# 开始使用
如果您是 Agno 新手，请了解如何构建您的[第一个 Agent](/introduction/agents)，在[沙盒环境](/introduction/playground)中与其聊天，并在 [app.agno.com](https://app.agno.com) 上对其进行[监控](/introduction/monitoring)。
学习如何使用 Agno 构建 Agent
使用精美的 Agent UI 与您的 Agent 聊天
在 [agno.com](https://app.agno.com) 上监控您的 Agent
在那之后，深入了解[以下概念](/introduction#dive-deeper)或探索[示例库](/examples)，以使用 Agno 构建实际应用。
# 为什么选择 Agno？
Agno 将帮助您构建一流的、高性能的 Agent 系统，为您节省数小时的研究和样板代码编写时间。以下是 Agno 的一些关键特色：
* **与模型无关**：Agno 为 23+ 个模型提供商提供了统一的接口，没有厂商锁定。
* **高性能**：Agent 的实例化时间约为 **3μs**，平均内存使用量约为 **6.5Kib**。
* **推理是核心**：推理可提高可靠性，是复杂自主代理的必备功能。Agno 支持三种推理方法：推理模型、`ReasoningTools` 或我们自定义的 `chain-of-thought` 方法。
* **原生多模态**：Agno Agent 原生支持多模态，可以接受文本、图像、音频和视频作为输入，并生成文本、图像、音频和视频作为输出。
* **高级多代理架构**：Agno 提供行业领先的多代理架构（**Agent Teams**），具备推理、内存和共享上下文功能。
* **内置 Agentic 搜索**：Agent 可以在运行时使用 20 多个向量数据库搜索信息。Agno 提供最先进的 Agentic RAG，**完全异步且性能卓越**。
* **内置内存和会话存储**：Agent 配备了内置的 `Storage` 和 `Memory` 驱动程序，为您的 Agent 提供长期记忆和会话存储能力。
* **结构化输出**：Agno Agent 可以使用模型提供的结构化输出或 `json_mode` 返回完全类型化的响应。
* **预构建的 FastAPI 路由**：构建完 Agent 后，可以使用预构建的 FastAPI 路由来部署它们。数分钟内即可上线生产环境。
* **监控**：在 [agno.com](https://app.agno.com) 上实时监控 Agent 会话和性能。
# 深入了解
Agno 是一个经过实战检验的框架，拥有最先进的推理和多代理架构，请阅读以下指南以了解更多信息：
学习如何构建闪电般快速的 Agents。
构建自主的多代理团队。
使用任何模型，任何提供商，无厂商锁定。
数百种工具扩展您的 Agents。
让 Agents 进行“思考”和“分析”。
为 Agent 提供领域特定的知识。
存储和搜索您的知识库。
将 Agent 会话和状态持久化到数据库中。
记住用户详细信息和会话摘要。
为您的知识库生成 embeddings。
确定性的、有状态的、多代理的工作流。
评估、监控和改进您的 Agents。