Agent-快速开始

985 字约 3 分钟

2025-06-19

快速开始

1. 概述

DataFlow Agent 是一个基于多智能体协同的自动化任务处理系统，覆盖 任务拆解 → 工具注册 → 调度执行 → 结果验证 → 报告生成 的完整流程，致力于复杂任务的智能化管理与执行。根据用户的数据类型和用户要求，支持：

recommend: 专属算子推荐、编排、执行和总结
write: Dataflow风格的用户个性化算子生成

运行脚本的示例位于test\test_dataflow_agent.py。其中，大部分配置可通过配置ChatAgentRequest类的参数来设置，包括：

用户请求 (target)
本地数据读取路径 (json_file)
调用模型方式和模型类型 (model)
生成代码的存储路径 (py_path)

2. 数据准备

支持格式：json, jsonl, pdf格式。
当前示例脚本test\test_dataflow_agent.py中默认数据存放位置为example/ReasoningPipeline/pipeline_math_short.json。可设置json_file参数为用户数据文件路径。

3. 模型准备

DataFlow Agent 需要先配置环境变量以支持大模型API调用。在Linux系统下：

export DF_API_KEY=your_api_key
export DF_API_URL=your_api_base_url

在Windows CMD中：

set DF_API_KEY=your_api_key
set DF_API_URL=your_api_base_url

在Windows PowerShell中：

$env:DF_API_KEY = "your_api_key"
$env:DF_API_URL = "your_api_base_url"

模型类型可在实例化ChatAgentRequest类时通过model参数指定。

用户可运行以下指令执行示例脚本，通过传入recommend参数，实现一个简易的针对数学类数据的数据处理Pipeline推荐和生成，生成的Pipeline代码将保存在test/recommend_pipeline_2.py中。

cd DataFlow
# set API_KEY and API_URL
python test/test_dataflow_agent.py recommend

生成的Pipeline代码（由于所选大模型类型和版本差异，结果可能不同）大致为：

import pytest
from dataflow.operators.generate.Reasoning.QuestionGenerator import QuestionGenerator
from dataflow.operators.process.Reasoning.QuestionFilter import QuestionFilter
from dataflow.operators.generate.Reasoning.QuestionDifficultyClassifier import QuestionDifficultyClassifier
from dataflow.operators.generate.Reasoning.QuestionCategoryClassifier import QuestionCategoryClassifier
from dataflow.utils.storage import FileStorage
from dataflow.serving import APILLMServing_request, LocalModelLLMServing_vllm, LocalModelLLMServing_sglang


class RecommendPipeline():
    def __init__(self):

        # -------- FileStorage (请根据需要修改参数) --------
        self.storage = FileStorage(
            first_entry_file_name="/mnt/public/data/lh/ygc/dataflow-agent/DataFlow/dataflow/example/ReasoningPipeline/pipeline_math_short.json",
            cache_path="./cache_local",
            file_name_prefix="dataflow_cache_step",
            cache_type="jsonl",
        )


        # -------- LLM Serving (Local) --------
        llm_serving = LocalModelLLMServing_vllm(
            hf_model_name_or_path="/mnt/public/model/huggingface/Qwen2.5-7B-Instruct",
            vllm_tensor_parallel_size=1,
            vllm_max_tokens=8192,
            hf_local_dir="local",
        )

        self.questiongenerator = QuestionGenerator(num_prompts=1, llm_serving=llm_serving)
        self.questionfilter = QuestionFilter(system_prompt="You are a helpful assistant.", llm_serving=llm_serving)
        self.questiondifficultyclassifier = QuestionDifficultyClassifier(llm_serving=llm_serving)
        self.questioncategoryclassifier = QuestionCategoryClassifier(llm_serving=llm_serving)

    def forward(self):
        self.questiongenerator.run(
            storage=self.storage.step(), input_key=""
        )
        self.questionfilter.run(
            storage=self.storage.step(), input_key="math_problem"
        )
        self.questiondifficultyclassifier.run(
            storage=self.storage.step(), input_key="", output_key="difficulty_score"
        )
        self.questioncategoryclassifier.run(
            storage=self.storage.step(), input_key="instruction", output_key="question_category"
        )


if __name__ == "__main__":
    pipeline = RecommendPipeline()
    pipeline.forward()

用户可通过修改ChatAgentRequest中参数实现个性化配置。

5. `write`: 用户个性化算子生成

用户可运行以下指令执行示例脚本，通过传入write参数，实现一个简易的针对数学类数据的MinHash文本去重算子生成，生成的算子代码将保存在test/operator.py中。

cd DataFlow
# set API_KEY and API_URL
python test/test_dataflow_agent.py write

生成的算子代码（由于所选大模型类型和版本差异，结果可能不同）大致为：

from tqdm import tqdm
from datasketch import MinHash, MinHashLSH
from dataflow import get_logger
from dataflow.core import OperatorABC
from dataflow.utils.storage import DataFlowStorage
from dataflow.utils.registry import OPERATOR_REGISTRY

@OPERATOR_REGISTRY.register()
class TextMinHashDeduplicator(OperatorABC):
    def __init__(self, num_perm: int = 128, threshold: float = 0.9, ngram: int = 5):
        self.logger = get_logger()
        self.num_perm = num_perm
        self.threshold = threshold
        self.ngram = ngram

    @staticmethod
    def get_desc(lang: str = "zh"):
        return "使用 MinHash 算法对文本去重" if lang == "zh" else "Deduplicate text with MinHash"

    def _build_minhash(self, text: str):
        m = MinHash(num_perm=self.num_perm)
        for i in range(max(len(text) - self.ngram + 1, 1)):
            m.update(text[i:i + self.ngram].encode("utf8"))
        return m

    def run(self, storage: DataFlowStorage, input_key: str = "text", output_key: str = "dedup_label"):
        df = storage.read("dataframe")
        lsh = MinHashLSH(threshold=self.threshold, num_perm=self.num_perm)
        labels = [0] * len(df)
        with lsh.insertion_session() as session:
            for idx, row in tqdm(df.iterrows(), total=len(df)):
                text = str(row[input_key])
                mh = self._build_minhash(text)
                if len(lsh.query(mh)) == 0:
                    labels[idx] = 1
                    session.insert(idx, mh)
        df[output_key] = labels
        storage.write(df[df[output_key] == 1])
        return [output_key]

用户可通过修改ChatAgentRequest中参数实现个性化配置。

启动前端：

python test/test_agent_fronted_gradio.py

启动后端：

python test/test_dataflow_agent_with_ui.py

7. `dataflow init`之后通过命令行的方式体验agent

算子编写

python dataflow_agent/run_dataflow_agent_with_console.py write

算子编排

python dataflow_agent/run_dataflow_agent_with_console.py recommend

Agent-快速开始

快速开始

1. 概述

2. 数据准备

3. 模型准备

5. `write`: 用户个性化算子生成

6. 通过Gradio体验DataFlow-Agent

启动方式

方式一：直接启动

方式二：前后端分离启动

7. `dataflow init`之后通过命令行的方式体验agent