SuperAgent + Ertas

将 Ertas 训练的模型部署为 SuperAgent AI 智能体的推理核心，具备工具使用、记忆和多步任务执行能力。

Overview

SuperAgent 是一个开源 AI 智能体框架，让开发者构建、部署和管理具有工具调用能力、持久记忆和多步推理的自主 AI 智能体。与简单的聊天机器人框架不同，SuperAgent 提供了生产智能体部署的完整基础设施：API 管理、工作流编排、文档导入和实时监控。使用 SuperAgent 构建的智能体可以浏览网页、查询数据库、调用外部 API、处理文档，并通过人在回路的审批工作流执行多步任务。

该框架从一开始就为生产使用而设计。它包含内置的认证、速率限制、使用分析和基于 Webhook 的事件流。智能体可以作为 REST API 部署，被任何应用消费，或通过提供的 SDK 嵌入到现有产品中。对于构建超越对话式问答的 AI 驱动产品——实际执行操作、处理工作流并与业务系统集成的智能体——SuperAgent 提供编排层，而底层 LLM 提供智能。

How Ertas Integrates

Ertas 训练的模型通过兼容 OpenAI 的 API 接口作为自定义 LLM 提供商插入 SuperAgent。在 Ertas Studio 中针对特定智能体用例微调模型后——客户引导、文档处理、研究辅助——您部署它并配置 SuperAgent 将其用作智能体的推理骨干。微调模型的领域专业知识直接提升智能体选择正确工具、准确解释结果和生成精确回复的能力。

微调对智能体性能的影响是显著的。通用模型在工具选择上经常犯错——调用错误的 API、误解函数参数或生成语法不正确的工具调用。在您特定领域的正确工具使用示例上微调的模型犯的错误显著减少，带来更高的任务完成率和更少的回退到人工的升级。使用 Ertas，您可以从智能体的生产日志中生成训练数据——成功的工具链、修正的错误和人类反馈——并通过迭代微调周期持续改善模型的推理能力。

Getting Started

1
微调用于智能体推理的模型
在 Ertas Studio 中使用任务特定示例训练模型，包括工具选择、参数格式化以及与智能体领域相关的多步推理链。
2
将模型部署到推理端点
通过 Ertas Cloud、vLLM 或 Ollama 提供模型服务，使用 SuperAgent 可以连接的兼容 OpenAI 的 API。
3
创建 SuperAgent 智能体
在 SuperAgent 中配置新的智能体，将您的 Ertas 模型作为 LLM 提供商。定义智能体的工具、记忆设置和系统提示。
4
添加工具和数据源
将智能体连接到外部工具——数据库、API、文档存储——它将使用这些来完成任务。上传参考文档用于 RAG 增强的回复。
5
在生产环境中部署并监控
将智能体发布为 REST API。监控任务完成率、工具使用模式和错误频率，以识别模型重新训练的机会。

python

import superagent

# Create a SuperAgent client
client = superagent.Client(api_key="your-superagent-key")

# Create an agent with your Ertas-trained model
agent = client.agents.create(
    name="Contract Processor",
    llm_provider="openai-compatible",
    llm_config={
        "base_url": "https://cloud.ertas.ai/v1",
        "api_key": "your-ertas-key",
        "model": "ertas-legal-agent-7b",
    },
    system_prompt="You are a contract processing agent. Use the provided tools to extract, classify, and route contract documents.",
)

# Add tools the agent can use
client.agents.add_tool(agent.id, tool_id="document-parser")
client.agents.add_tool(agent.id, tool_id="crm-update")
client.agents.add_tool(agent.id, tool_id="email-sender")

# Run the agent on a task
result = client.agents.invoke(
    agent.id,
    input="Process the uploaded contract and extract all payment terms.",
)
print(result.output)

创建由 Ertas 训练模型驱动的 SuperAgent 智能体，具备领域特定的工具调用能力。