使用 Ollama、Swarm 和 DuckDuckGo 构建本地 AI 新闻聚合器

Rifx.Online
Programming , Generative AI , Technology/Web
24 Oct, 2024

使用OllamaSwarm和DuckDuckGo构建本地AI驱动的新闻聚合器

在当今快节奏的世界中，跟上特定领域最新新闻的步伐可能会很具挑战性。如果我们能够利用生成式AI和代理的力量，创建一个完全在本地机器上运行的个性化新闻聚合器呢？在本文中，我们将探讨如何使用Ollama的Llama 3.2模型、Swarm进行代理编排，以及DuckDuckGo进行网络搜索来构建这样的系统。

本地AI的力量

随着大型语言模型的兴起，我们现在能够在个人电脑上运行复杂的AI系统。这为创建针对我们特定需求定制的工具开辟了无限可能。我们的新闻聚合器就是这一潜力的完美例证。

我们系统的组成部分

Ollama with Llama 3.2: 这是我们系统的核心，为我们的AI代理提供动力。
Swarm: 一个代理编排框架，允许我们创建和管理多个AI代理。
DuckDuckGo Search: 提供最新的网页搜索结果，而不跟踪用户数据。

工作原理

我们的新闻聚合器由两个主要的AI代理组成：

新闻助手：使用DuckDuckGo搜索获取特定主题的最新新闻文章。
编辑助手：审查并精炼收集到的新闻以供最终展示。

让我们来分解一下工作流程：

1. 设置环境

ollama pull llama3.2

export OPENAI_MODEL_NAME=llama3.2
export OPENAI_BASE_URL=http://localhost:11434/v1
export OPENAI_API_KEY=any

pip install git+https://github.com/openai/swarm.git duckduckgo-search

我们首先导入必要的库并初始化我们的 Swarm 客户端：

from duckduckgo_search import DDGS
from swarm import Swarm, Agent
from datetime import datetime

current_date = datetime.now().strftime("%Y-%m")
client = Swarm()

2. 创建新闻搜索功能

我们定义一个函数来使用 DuckDuckGo 搜索新闻：

pythondef get_news_articles(topic):
  ddg_api = DDGS()
  results = ddg_api.text(f"{topic} {current_date}", max_results=5)
  if results:
      news_results = "\n\n".join([f"Title: {result['title']}\nURL: {result['href']}\nDescription: {result['body']}" for result in results])
      return news_results
  else:
      return f"Could not find news results for {topic}."

3. 定义我们的 AI 代理

我们使用 Ollama 的 Llama 3.2 模型创建两个代理：

news_agent = Agent(
  model="llama3.2",
  name="News Assistant",
  instructions="You provide the latest news articles for a given topic using DuckDuckGo search.",
  functions=[get_news_articles],
)

editor_agent = Agent(
  model="llama3.2",
  name="Editor Assistant",
  instructions="You review and finalise the news article for publishing.",
)

4. 协调工作流程

我们定义一个函数来运行我们的新闻聚合工作流程：

def run_news_workflow(topic):
  # Fetch news
  news_response = client.run(
      agent=news_agent,
      messages=[{"role": "user", "content": f"Get me the news about {topic} on {current_date}"}],
  )
  raw_news = news_response.messages[-1]["content"]
  
  # Pass news to editor for final review
  edited_news_response = client.run(
      agent=editor_agent,
      messages=[{"role": "system", "content": raw_news}],
  )
  print(f"{edited_news_response.messages[-1]['content']}")

5. 运行系统

最后，我们可以针对任何感兴趣的话题运行我们的新闻聚合器：

run_news_workflow("AI in Drug Discovery")

完整代码 : app.py

from duckduckgo_search import DDGS
from swarm import Swarm, Agent
from datetime import datetime

current_date = datetime.now().strftime("%Y-%m")

# 初始化 Swarm 客户端
client = Swarm()

# 1. 创建互联网搜索工具

def get_news_articles(topic):
    print(f"正在为 {topic} 进行 DuckDuckGo 新闻搜索...")
    
    # DuckDuckGo 搜索
    ddg_api = DDGS()
    results = ddg_api.text(f"{topic} {current_date}", max_results=5)
    if results:
        news_results = "\n\n".join([f"标题: {result['title']}\n网址: {result['href']}\n描述: {result['body']}" for result in results])
        return news_results
    else:
        return f"未能找到关于 {topic} 的新闻结果。"
    
# 2. 创建 AI 代理

def transfer_to_editor_assistant(raw_news):
    print("将文章传递给编辑助手...")
    return editor_agent.run({"role": "system", "content": raw_news})

# 新闻代理以获取新闻
news_agent = Agent(
    model="llama3.2",
    name="新闻助手",
    instructions="您提供有关给定主题的最新新闻文章，使用 DuckDuckGo 搜索。",
    functions=[get_news_articles],
)

# 编辑代理以编辑新闻
editor_agent = Agent(
    model="llama3.2",
    name="编辑助手",
    instructions="您审阅并最终确定新闻文章以供发布。",
)

# 3. 创建工作流程

def run_news_workflow(topic):
    print("运行新闻代理工作流程...")
    
    # 第一步: 获取新闻
    news_response = client.run(
        agent=news_agent,
        messages=[{"role": "user", "content": f"获取关于 {topic} 在 {current_date} 的新闻"}],
    )
    raw_news = news_response.messages[-1]["content"]
    print(f"获取的新闻: {raw_news}")
    
    # 第二步: 将新闻传递给编辑进行最终审查
    edited_news_response = client.run(
        agent=editor_agent,
        messages=[{"role": "system", "content": raw_news}],
    )
    print(f"{edited_news_response.messages[-1]['content']}")


# 运行给定主题的新闻工作流程示例
run_news_workflow("药物发现中的 AI")

示例输出

Running news Agent workflow...
Running DuckDuckGo news search for AI in Drug Discovery...
Fetched news: Here's a formatted answer based on the news articles:

**药物发现中的人工智能：革命性的转变**

人工智能（AI）在药物发现中的作用标志着制药领域的革命性转变。AI利用复杂的算法进行自主决策，从数据分析中增强人类能力，而不是取代它们。

**挑战与局限性**

尽管有着令人期待的进展，但在该领域中仍然存在挑战和局限性。论文《AI在药物发现中的作用》探讨了这些问题，强调了高质量数据的必要性、伦理问题的解决以及对基于AI的方法局限性的认识。

**AI在药物发现中的应用**

AI有潜力在药物发现、设计和研究药物间相互作用中发挥关键作用。AI在药物发现中的应用包括：

* 多靶点药理学：AI可以预测化合物对多种疾病的有效性。
* 化学合成：AI可以优化化学合成过程，以实现更快和更高效的生产。
* 药物重定位：AI可以识别现有药物的新用途。
* 预测药物特性：AI可以预测化合物的效力、毒性和物理化学特性。

**药物发现中AI的未来**

随着AI的不断发展，预计将对制药行业产生重大影响。AI的成功应用将依赖于高质量数据的可用性、伦理问题的解决以及对基于AI的方法局限性的认识。