如何用WilmerAI构建复杂AI代理：10个实用工作流示例

如何用WilmerAI构建复杂AI代理：10个实用工作流示例

【免费下载链接】WilmerAIWilmerAI is one of the oldest LLM semantic routers. It uses multi-layer prompt routing and complex workflows to allow you to not only create practical chatbots, but to extend any kind of application that connects to an LLM via REST API. Wilmer sits between your app and your many LLM APIs, so that you can manipulate prompts as needed.项目地址: https://gitcode.com/gh_mirrors/wi/WilmerAI

WilmerAI作为最古老的LLM语义路由器之一，通过多层提示路由和复杂工作流，不仅能创建实用的聊天机器人，还能扩展任何通过REST API连接LLM的应用程序。它位于应用程序和多个LLM API之间，可根据需要操作提示，是构建复杂AI代理的理想工具。

WilmerAI工作流基础：什么是多层提示路由？ 🤔

WilmerAI的核心优势在于其多层提示路由能力。当用户请求进入系统时，WilmerAI会先对提示进行分类，然后根据分类结果将请求路由到最适合的工作流。这种机制确保每个任务都由最擅长的AI模型处理，从而提高整体效率和响应质量。

图：WilmerAI分类工作流展示了如何将用户请求分类并路由到不同的处理流程

10个实用WilmerAI工作流示例

1. 编码工作流：智能编码与代码审查 👨‍💻

这个工作流结合了智能编码和代码审查功能，使用两个不同的节点处理用户请求：

• 第一个节点：作为智能编码器，响应用户的编码请求
• 第二个节点：作为智能代码审查器，检查第一个节点生成的代码

图：编码工作流示例展示了代码生成和审查的协作过程

相关实现文件：Public/Configs/Workflows/_common/Coding_With_Vision.json

2. 多模型路由工作流：智能任务分配 🚀

根据用户请求的类型，WilmerAI可以将任务路由到不同的LLM模型：

• 推理任务：分配给Llama 3 70b模型
• 编码任务：分配给OpenAI GPT 4
• 对话任务：分配给Llama 3 8b模型以获得快速响应

图：多模型路由工作流展示了如何根据任务类型选择最适合的模型

3. 群组聊天工作流：多角色AI协作 🤖👥🤖

WilmerAI支持创建具有不同角色的AI代理群组，每个角色有专门的工作流：

• DevBot：专注于代码生成
• ProjectManagerBot：专注于上下文理解
• CodeReviewBot：专注于多步骤代码审查

图：群组聊天工作流展示了不同AI角色如何协作响应群组对话

4. 简单编码工作流：多节点协作编码 🔄

这个工作流展示了一个更复杂的编码流程，包含7个节点，从图像处理到最终响应：

1. 图像处理器：分析用户提供的图像
2. 内容理解：解析用户需求
3. 前端设计器：生成前端代码
4. 用户需求审查：确保满足所有需求
5. 响应整合：整合各节点输出
6. 代码审查：检查代码质量
7. 最终响应：生成最终回复

图：简单编码工作流展示了多节点协作完成编码任务的全过程

5. 对话工作流：记忆增强型对话 🧠💬

这个工作流专注于创建具有长期记忆的对话AI：

• 生成记忆文件：将消息分组并总结存储
• 关键词搜索：查找相关记忆
• 聊天摘要生成器：创建整个对话的摘要
• 响应用户：结合记忆生成上下文感知的回复

图：对话工作流展示了如何利用记忆增强对话体验

相关实现文件：Public/Configs/Workflows/_common/General_With_Vision.json

6. Python模块工作流：AI驱动的系统控制 🐍🔌

这个工作流展示了如何使用WilmerAI控制外部系统，通过Python模块节点执行特定操作：

• 分类节点：确定用户请求的操作类型
• Python模块节点：执行系统控制代码
• 响应节点：向用户报告操作结果

图：Python模块工作流展示了AI如何通过代码控制外部系统

相关实现文件：Docs/Custom_Python_Node_Example_Script/MyTestModule.py

7. 带视觉功能的通用工作流：图像理解与响应 📷🤖

这个工作流结合了视觉处理能力，使AI能够理解和响应包含图像的用户请求：

• 接收包含图像的用户提示
• 使用视觉模型分析图像内容
• 结合图像信息生成相关响应

相关实现文件：Public/Configs/Workflows/_common/General_With_Vision.json

8. 维基百科搜索工作流：智能信息检索 🔍📚

WilmerAI可以集成离线维基百科API，构建强大的信息检索工作流：

• 分析用户的事实查询
• 自动搜索相关维基百科条目
• 提取和总结关键信息
• 生成自然语言回答

相关实现文件：Public/Configs/Workflows/_common/Wiki_Workflow.json

9. 任务工作流：多步骤任务自动化 📋✅

这个工作流专为处理复杂任务设计，能够分解任务并逐步完成：

• 接收用户任务请求
• 将任务分解为子任务
• 按顺序处理每个子任务
• 整合结果并生成最终报告

相关实现文件：Public/Configs/Workflows/_common/Task.json

10. 带确认步骤的视觉工作流：精确响应生成 🔍✅

这个工作流在生成最终响应前添加了确认步骤，确保结果准确：

• 处理包含图像的请求
• 生成初步响应
• 验证响应是否满足所有要求
• 必要时进行修正
• 生成最终响应

相关实现文件：Public/Configs/Workflows/_common/General_With_Vision_Confirmation_Step.json

开始使用WilmerAI构建自己的工作流 🚀

要开始使用WilmerAI，首先需要克隆仓库：

git clone https://gitcode.com/gh_mirrors/wi/WilmerAI

然后参考官方文档了解更多关于工作流配置和自定义的信息：Docs/Developer_Docs/Features_And_Packages/Workflows.md

WilmerAI提供了灵活的工作流系统，使您能够构建从简单到复杂的各种AI代理。通过组合不同类型的节点和路由规则，您可以创建满足特定需求的定制AI解决方案。

无论您是想构建智能聊天机器人、自动化编码助手，还是复杂的多代理系统，WilmerAI的工作流功能都能为您提供强大的支持。现在就开始探索这些工作流示例，创建您自己的AI代理吧！

【免费下载链接】WilmerAIWilmerAI is one of the oldest LLM semantic routers. It uses multi-layer prompt routing and complex workflows to allow you to not only create practical chatbots, but to extend any kind of application that connects to an LLM via REST API. Wilmer sits between your app and your many LLM APIs, so that you can manipulate prompts as needed.项目地址: https://gitcode.com/gh_mirrors/wi/WilmerAI