Upsonic：让自主 AI Agent 一句话搞定体育数据分析
【免费下载链接】gpt-computer-assistantBuild autonomous AI agents in Python.项目地址: https://gitcode.com/GitHub_Trending/gp/gpt-computer-assistant
Upsonic（开源名 GPT-Computer-Assistant）是一个用 Python 搭建自主 AI Agent 的框架，Agent 能自己理解任务描述、调用工具并交付结果。散落在 PDF 和网页里的数据要整理成分析报告，手工流程很费时，把一句话任务交给 Upsonic 的 Agent，就能直接拿到交付物。
能力速览
| 能力 | 一句话说明 |
|---|---|
Agent+Task | 一行代码定义智能体，一句话下发任务，它自己挑工具完成 |
Team多智能体协作 | 多个分工智能体按顺序或协调模式接力处理任务，相当于数据岗和写作岗各就各位 |
AutonomousAgent自主模式 | 在指定工作目录内读写文件、执行命令，适合"看文件找问题"类任务 |
| OCR 文档解析 | 把扫描件 PDF、图片变成可检索文本，供后续分析流程使用 |
📊 场景实战：从散落的比赛报告到一份成品分析
把扫描件比赛报告一次调用变成可读数据源
假设手头有一摞扫描版联赛战报 PDF 和几十张球员数据截图，手工誊录数据至少要花几个小时。Upsonic 的 OCR 管线分两层：Layer 0 负责把 PDF 转成图片并做预处理，Layer 1 负责识别引擎本身，装上uv pip install "upsonic[ocr]"依赖后，一次ocr.get_text("match_report.pdf")就能拿到文件里的文本，EasyOCR、Tesseract 等引擎可换用。
文本出来后交给 Agent。Upsonic 的自定义工具很直白：任何 Python 函数加上@tool装饰器，就能挂给 Agent 当数据源，下面这段直接可跑：
from upsonic import Agent, Task agent = Agent(model="anthropic/claude-sonnet-4-5", name="体育分析师") task = Task(description="分析球队近5场得分趋势，解释波动原因并输出总结") result = agent.do(task) print(result)agent.do(task)拿回的是完整的文本交付物，可以直接写进文件或交给下一步；想看过程就换成agent.print_do(task)，运行中的中间步骤会打印到控制台，结果不对时能看出卡在哪一步。网络数据源方面，内置工具库 里有现成的duckduckgo_search_tool、YFinanceTools等搜索与金融数据工具，不用自己写 HTTP 请求。
把分析流程拆给多个智能体接力
单个 Agent 包办全流程也能跑，但流程一长，结论容易混杂。拆开后清爽很多：
from upsonic import Agent, Task, Team team = Team( agents=[Agent("anthropic/claude-sonnet-4-5", name="数据专员", role="抓取并整理比赛数据"), Agent("anthropic/claude-sonnet-4-5", name="报告专员", role="撰写分析报告")], mode="sequential" ) team.do([Task("收集上一轮比赛的得分数据"), Task("基于数据写一份分析报告并输出成文件")])mode="sequential"表示按列表顺序接力执行：数据专员先产出结构化数据，报告专员接手写报告，最终交付物是一份完整的报告文件。这种拆法的好处是每个环节的中间结果都独立可见，数据有错只需修数据专员，不用重跑整个流程。
⚡ 进阶一瞥
- 跨轮记住结论：用
Chat(session_id="...", full_session_memory=True)创建会话，Agent 记得此前所有分析，追问"上轮得分为什么下滑"时不用重述背景。 - 让 Agent 直接操作数据目录：
AutonomousAgent(model=..., workspace="/path/to/logs")在该目录内读写文件、执行命令，路径穿越和危险命令默认被拦截，可以放心指向数据目录。
🚀 跑起来
安装一行命令：
pip install upsonic在运行目录放一个.env，写一行OPENAI_API_KEY=sk-...（或ANTHROPIC_API_KEY=...），框架会自动加载。之后正文第一段代码即可直接运行，Agent 输出分析结果即代表环境就绪。
去哪找更多帮助
- 示例代码：Agent、Chat、Team、记忆等场景的可运行示例，赶时间时直接照抄改
- 预制自主智能体：社区搭好的现成 Agent，自带技能和系统提示词，装完就能用
- README 快速开始：五分钟过一遍环境配置，含把官方文档加进 IDE 索引的方法
Upsonic 把"抓数据、清洗、分析、写报告"这条通常要数小时的链路，压缩成一句任务描述：流程交给框架，剩下的功夫花在数据和任务描述本身。
【免费下载链接】gpt-computer-assistantBuild autonomous AI agents in Python.项目地址: https://gitcode.com/GitHub_Trending/gp/gpt-computer-assistant
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
