GitHub 热门项目：aipyapp

GitHub项目：aipyapp 仓库地址：https://github.com/knownsec/aipyapp 星级：4017 | 作者：已知秒 项目描述：AI-Powered Python & Python-Powered AI（Python-Use） =================================================== 自述文件内容：  # Python 使用：新的 AI 代理范式（Agent 2.0） **人工智能驱动的 Python 和 Python 驱动的人工智能** Python-Use 是一种任务驱动、结果导向的智能执行范式。它将 LLM 与 Python 解释器紧密集成以建立完整的循环： > **任务→计划→代码→执行→反馈** ## 背景：过时的“假肢”人工智能代理模型 传统 AI（Agent 1.0）依赖于函数调用、工具、MCP 服务器、工作流程和基于插件的客户端。这些外部“假肢”会导致： - 进入门槛高 - 严重依赖开发商 - 工具之间协调性差 - 大多数人工智能生成的代码被锁定在云沙箱中，无法与真实环境交互 我们迫切需要一种新的范式，将人工智能与现实世界重新连接起来，充分激活其原生执行力——迎来**AI Think Do**时代。 ## 什么是 Python 使用？ Python-Use为LLM提供了完整的Python执行环境。想象一下LLM坐在电脑前，在Python命令行解释器中输入各种命令，按Enter键执行，观察结果，然后输入并执行更多代码。 这为模型提供了两个核心功能： - **API调用**：自动生成并执行Python代码来调用API - **包调用**：灵活利用Python的生态系统来编排工作流程 用户只需提供任务描述或API密钥。该模型会处理剩下的事情——无需插件注册，无需工具链设置，无需工作流程编辑。 > **重要**：Python-Use_不是_代码生成器或智能 IDE。 > 这是一个任务优先、结果驱动的 AI 代理。 对于用户来说，Python 的使用很简单： > 描述一个任务 → AI 执行它 → 返回结果。 该模型自动理解、计划、编写、调试和执行代码，并在此过程中修复错误。代码只是内部实现，而不是可交付成果。真正的可交付成果是**结果**。 ## 为什么选择Python？ 虽然这个范式理论上支持任何语言，但我们选择 Python 是因为： - 拥有涵盖数据、自动化、系统控制和人工智能的强大生态系统 - 语法简单易读，非常适合模型生成和调试 - 模型自然更精通Python，以实现准确高效的编码 ## 核心原则：没有代理，代码就是代理 Python-Use 引入了一种彻底简化的执行架构： **没有代理、没有MCP、没有工作流程、没有客户端......** 它抛弃了遗留层，让模型使用代码直接作用于环境。简而言之：**代码就是代理**。 使用 Python，该模型可以： - **Python使用数据**：加载、转换、分析 - **Python 使用浏览器**：自动化网络 - **Python使用计算机**：访问文件系统和本地资源 - **Python使用物联网**：控制设备和嵌入式系统 - **…** - **Python 使用任何东西**：代码成为通用接口 这意味着： - **无 MCP**：无需标准化协议