网站知识库

了解如何在知识库中使用网站。

WebsiteKnowledgeBase 会读取网站，将其转换为向量嵌入并加载到 vector_db 中。

用法

我们将在此示例中使用本地 PgVector 数据库。请确保它正在运行：确保其正在运行

pip install bs4

knowledge_base.py

from agno.knowledge.website import WebsiteKnowledgeBase
from agno.vectordb.pgvector import PgVector

knowledge_base = WebsiteKnowledgeBase(
    urls=["https://docs.agno.com/introduction"],
    # 从种子 URL 开始跟踪的链接数量
    max_links=10,
    # 表名：ai.website_documents
    vector_db=PgVector(
        table_name="website_documents",
        db_url="postgresql+psycopg://ai:ai@localhost:5532/ai",
    ),
)

然后将 knowledge_base 与 Agent 一起使用：

agent.py

from agno.agent import Agent
from knowledge_base import knowledge_base

agent = Agent(
    knowledge=knowledge_base,
    search_knowledge=True,
)
agent.knowledge.load(recreate=False)

agent.print_response("Ask me about something from the knowledge base")

WebsiteKnowledgeBase 还支持异步加载。

pip install qdrant-client

我们将在此示例中使用本地 Qdrant 数据库。请确保它正在运行：确保其正在运行

async_knowledge_base.py

import asyncio

import asyncio

from agno.agent import Agent
from agno.knowledge.website import WebsiteKnowledgeBase
from agno.vectordb.qdrant import Qdrant

COLLECTION_NAME = "website-content"

vector_db = Qdrant(collection=COLLECTION_NAME, url="http://localhost:6333")


# 使用种子 URL 创建知识库
knowledge_base = WebsiteKnowledgeBase(
    urls=["https://docs.agno.com/introduction"],
    # 从种子 URL 开始跟踪的链接数量
    max_links=5,
    # 表名：ai.website_documents
    vector_db=vector_db,
)

# 使用知识库创建代理
agent = Agent(knowledge=knowledge_base, search_knowledge=True, debug_mode=True)

if __name__ == "__main__":
    # 首次运行时注释掉此行
    asyncio.run(knowledge_base.aload(recreate=False))

    # 创建并使用代理
    asyncio.run(agent.aprint_response("How does agno work?", markdown=True))

参数

参数	类型	默认值	说明
urls	List[str]	[]	要读取的 URL
reader	Optional[WebsiteReader]	None	用于读取 URL 并将其转换为介质的 WebsiteReader Documents 供向量数据库使用。
max_depth	int	3	要抓取的最大深度。
max_links	int	10	要抓取的链接数。

WebsiteKnowledgeBase 是 AgentKnowledge 类的子类，可以访问相同的参数。

开发者资源

• 查看 同步加载指南
• 查看 异步加载指南