#867 · 主分类： AI代理与自动化
OmAgent
agent
chatbot
gemini
gpt
gpt4
gradio
language-agent
large-language-models
llama
llava
llm
multimodal
multimodal-agent
openai
python
rag
smart-hardware
vision-and-language
vlm
workflow
[EMNLP-2024] 构建多模态语言代理，实现快速原型和生产部署
项目最后更新：03/19/25
GitHub Stars
2.7K
Forks数量
292
贡献者数量
26
许可证
Apache-2.0
收录理由
OmAgent 是一个面向团队的 Python 库，用来构建能处理图像、视频和音频的智能体，而不只是文本。它的设计把复杂的底层工作——比如工作器编排、任务队列、节点优化——都封装在简洁的接口后面，让你能快速定义并运行一个智能体，之后再考虑扩展问题。多模态能力是原生集成的，不是事后补丁：支持 VLM 后端、视频处理管线、实时 API 和移动设备连接，如果你不想依赖云端接口，还可以通过 Ollama 或 LocalAI 指向本地部署的模型。仓库里还附带 ReAct、CoT 等推理策略，方便你在同一任务上对比不同方案；Lite 模式则免去了中间件部署，适合快速原型验证。对于想从纯文本聊天机器人转向多模态助手的开发者，里面提供的示例是个不错的起点。
相关文章
暂无针对该项目的文章。
如需补充新闻资讯、使用教程、应用测评等内容，欢迎 联系我们推荐选题或投稿。