33.6K Star！快速构建多模态智能体的轻量级框架，

???? 为什么选择 Agno？

在大模型智能体开发领域，传统框架往往结构臃肿、依赖繁杂、启动缓慢。而 Agno 以“轻量即高效”为核心理念，带来三大颠覆性体验：

✅ 极速启动：毫秒级创建智能体，开发效率飙升
✅ 零依赖架构：纯 Python，不绑定任何模型或平台
✅ 全模态支持：文本、图像、音频、视频原生兼容

更关键的是 —— 它真的跑得飞快！

实测对比 LangGraph，Agno 在智能体初始化阶段提速 5000 倍以上，特别适合高并发、低延迟、快速迭代的生产场景。

---

???? 核心能力一览

功能	说明
⚡ 极速智能体构建	无图结构、无链式调用，代码即智能体
???? 模型无关架构	支持 OpenAI、Anthropic、Ollama、VLLM、本地模型等任意后端
????️ 多模态原生支持	文本、图像、音频、视频统一接口，无需额外封装
???? 多智能体协作	支持任务分发、角色分工、团队协同推理
????️ 内存 & 知识库管理	会话状态持久化 + 向量数据库（LanceDB、Chroma 等）集成
???? 动态少样本学习	基于 RAG 实现上下文增强，提升回答准确性
???? 结构化输出	支持 JSON Schema、Pydantic 输出，便于系统对接
???? 实时性能监控	通过 agno.com 可视化追踪会话与性能指标

---

⚙️ 技术亮点

• 纯 Python 实现：无复杂抽象层，代码直观易懂，调试友好

• 零第三方依赖（核心框架）：pip install agno 即可运行基础功能

• 插件化设计：工具、知识库、向量库、模型均可按需加载

• 生产级扩展能力：支持异步、流式响应、缓存、重试、日志追踪等

---

????️ 快速上手（5个实战示例）

1️⃣ 安装框架

pip install -U agno

2️⃣ 基础智能体（无需工具）

from agno.agent import Agent
from agno.models.openai import OpenAIChat

agent = Agent(
    model=OpenAIChat(id="gpt-4o"),
    description="你是一位充满激情的新闻主播，擅长用故事化语言播报新闻！",
    markdown=True
)

agent.print_response("请用生动语言讲述一则纽约突发新闻", stream=True)

✅ 运行前设置环境变量：

pip install openai
export OPENAI_API_KEY=sk-xxxx
python basic_agent.py

3️⃣ 带搜索工具的智能体

from agno.agent import Agent
from agno.models.openai import OpenAIChat
from agno.tools.duckduckgo import DuckDuckGoTools

agent = Agent(
    model=OpenAIChat(id="gpt-4o"),
    description="你是一位新闻主播，需结合最新网络信息播报",
    tools=[DuckDuckGoTools()],
    show_tool_calls=True,
    markdown=True
)

agent.print_response("纽约今天有什么重大突发事件？", stream=True)

✅ 安装依赖：

pip install duckduckgo-search
python agent_with_tools.py

4️⃣ 带知识库的智能体（RAG）

from agno.agent import Agent
from agno.models.openai import OpenAIChat
from agno.embedder.openai import OpenAIEmbedder
from agno.tools.duckduckgo import DuckDuckGoTools
from agno.knowledge.pdf_url import PDFUrlKnowledgeBase
from agno.vectordb.lancedb import LanceDb, SearchType

agent = Agent(
    model=OpenAIChat(id="gpt-4o"),
    description="你是一位泰国菜专家",
    instructions=[
        "优先从知识库中查找泰国菜谱",
        "若知识库无答案，再搜索网络",
        "始终优先信任知识库内容"
    ],
    knowledge=PDFUrlKnowledgeBase(
        urls=["https://agno-public.s3.amazonaws.com/recipes/ThaiRecipes.pdf"],
        vector_db=LanceDb(
            uri="tmp/lancedb",
            table_name="recipes",
            search_type=SearchType.hybrid,
            embedder=OpenAIEmbedder(id="text-embedding-3-small"),
        ),
    ),
    tools=[DuckDuckGoTools()],
    show_tool_calls=True,
    markdown=True
)

# 首次运行需加载知识库（之后可注释）
if agent.knowledge:
    agent.knowledge.load(update=False)  # 避免重复加载

agent.print_response("如何制作椰奶鸡汤？", stream=True)
agent.print_response("泰式咖喱的历史起源？", stream=True)

✅ 安装依赖：

pip install lancedb tantivy pypdf duckduckgo-search
python agent_with_knowledge.py

5️⃣ 多智能体协作团队

from agno.agent import Agent
from agno.models.openai import OpenAIChat
from agno.tools.duckduckgo import DuckDuckGoTools
from agno.tools.yfinance import YFinanceTools

# ???? 网络信息专家
web_agent = Agent(
    name="Web Researcher",
    role="负责全网信息检索与摘要",
    model=OpenAIChat(id="gpt-4o"),
    tools=[DuckDuckGoTools()],
    instructions="所有回答必须标注信息来源",
    show_tool_calls=True,
    markdown=True,
)

# ???? 金融数据专家
finance_agent = Agent(
    name="Finance Analyst",
    role="提供股票、财报、行业分析数据",
    model=OpenAIChat(id="gpt-4o"),
    tools=[YFinanceTools(
        stock_price=True,
        analyst_recommendations=True,
        company_info=True
    )],
    instructions="用表格展示数据，确保数字精确",
    show_tool_calls=True,
    markdown=True,
)

# ???? 智能体团队协调者
team_leader = Agent(
    team=[web_agent, finance_agent],
    model=OpenAIChat(id="gpt-4o"),
    instructions=[
        "综合两位专家意见，给出完整分析",
        "引用数据时标注来源",
        "用表格对比关键指标"
    ],
    show_tool_calls=True,
    markdown=True,
)

team_leader.print_response("分析当前AI芯片公司的市场前景与财务表现", stream=True)

✅ 安装依赖：

pip install duckduckgo-search yfinance
python agent_team.py

???? 学习资源

• ???? GitHub 仓库 → https://github.com/agno-agi/agno

• ???? 官方文档 → https://docs.agno.com

• ???? 社区讨论 → Discord / Reddit / GitHub Discussions

???? 作者推荐：开源实战项目 sanic-web

如果你正在寻找一个开箱即用、支持全链路开发的大模型应用脚手架，欢迎关注我的开源项目：

GitHub 项目 → https://github.com/apconw/sanic-web

???? 项目亮点

• ✅ 集成 MCP 多智能体架构

• ✅ 支持 Dify / LangChain / LlamaIndex / Ollama / vLLM

• ✅ 前端采用 Vue3 + TypeScript + Vite5，现代化交互体验

• ✅ 内置 ECharts / AntV 图表问答 + CSV 表格问答

• ✅ 支持对接主流 RAG 系统 与 Text2SQL 引擎

• ✅ 轻量级 Sanic 后端，适合快速部署与二次开发

运行效果:

智能问答

数据问答

???? 结语

Agno 不是另一个“又大又全”的智能体框架 —— 它是为追求极致效率与简洁体验的开发者而生。无论你是独立开发者、创业团队，还是企业工程组，Agno 都能帮你用最少代码，构建最强智能体。

想入门 AI 大模型却找不到清晰方向？备考大厂 AI 岗还在四处搜集零散资料？

别再浪费时间啦！2025 年 AI 大模型全套学习资料已整理完毕，从学习路线到面试真题，从工具教程到行业报告，一站式覆盖你的所有需求，现在全部免费分享！

????????扫码免费领取全部内容????????

​

一、学习必备：100+本大模型电子书+26 份行业报告 + 600+ 套技术PPT，帮你看透 AI 趋势

想了解大模型的行业动态、商业落地案例？大模型电子书？这份资料帮你站在 “行业高度” 学 AI：

1. 100+本大模型方向电子书

2. 26 份行业研究报告：覆盖多领域实践与趋势

报告包含阿里、DeepSeek 等权威机构发布的核心内容，涵盖：

• 职业趋势：《AI + 职业趋势报告》《中国 AI 人才粮仓模型解析》；
• 商业落地：《生成式 AI 商业落地白皮书》《AI Agent 应用落地技术白皮书》；
• 领域细分：《AGI 在金融领域的应用报告》《AI GC 实践案例集》；
• 行业监测：《2024 年中国大模型季度监测报告》《2025 年中国技术市场发展趋势》。

3. 600+套技术大会 PPT：听行业大咖讲实战

PPT 整理自 2024-2025 年热门技术大会，包含百度、腾讯、字节等企业的一线实践：

• 安全方向：《端侧大模型的安全建设》《大模型驱动安全升级（腾讯代码安全实践）》；
• 产品与创新：《大模型产品如何创新与创收》《AI 时代的新范式：构建 AI 产品》；
• 多模态与 Agent：《Step-Video 开源模型（视频生成进展）》《Agentic RAG 的现在与未来》；
• 工程落地：《从原型到生产：AgentOps 加速字节 AI 应用落地》《智能代码助手 CodeFuse 的架构设计》。

二、求职必看：大厂 AI 岗面试 “弹药库”，300 + 真题 + 107 道面经直接抱走

想冲字节、腾讯、阿里、蔚来等大厂 AI 岗？这份面试资料帮你提前 “押题”，拒绝临场慌！

1. 107 道大厂面经：覆盖 Prompt、RAG、大模型应用工程师等热门岗位

面经整理自 2021-2025 年真实面试场景，包含 TPlink、字节、腾讯、蔚来、虾皮、中兴、科大讯飞、京东等企业的高频考题，每道题都附带思路解析：

2. 102 道 AI 大模型真题：直击大模型核心考点

针对大模型专属考题，从概念到实践全面覆盖，帮你理清底层逻辑：

3. 97 道 LLMs 真题：聚焦大型语言模型高频问题

专门拆解 LLMs 的核心痛点与解决方案，比如让很多人头疼的 “复读机问题”：

三、路线必明：AI 大模型学习路线图，1 张图理清核心内容

刚接触 AI 大模型，不知道该从哪学起？这份「AI大模型 学习路线图」直接帮你划重点，不用再盲目摸索！

路线图涵盖 5 大核心板块，从基础到进阶层层递进：一步步带你从入门到进阶，从理论到实战。

L1阶段:启航篇丨极速破界AI新时代

L1阶段：了解大模型的基础知识，以及大模型在各个行业的应用和分析，学习理解大模型的核心原理、关键技术以及大模型应用场景。

L2阶段：攻坚篇丨RAG开发实战工坊

L2阶段：AI大模型RAG应用开发工程，主要学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。

L3阶段：跃迁篇丨Agent智能体架构设计

L3阶段：大模型Agent应用架构进阶实现，主要学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造Agent智能体。

L4阶段：精进篇丨模型微调与私有化部署

L4阶段：大模型的微调和私有化部署，更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调，并通过Ollama、vLLM等推理部署框架，实现模型的快速部署。

L5阶段：专题集丨特训篇 【录播课】

四、资料领取：全套内容免费抱走，学 AI 不用再找第二份

不管你是 0 基础想入门 AI 大模型，还是有基础想冲刺大厂、了解行业趋势，这份资料都能满足你！
现在只需按照提示操作，就能免费领取：

????????扫码免费领取全部内容????????

​

2025 年想抓住 AI 大模型的风口？别犹豫，这份免费资料就是你的 “起跑线”！