Resumo da Notícia
Contexto Geral
O conteúdo apresenta o pacote “marketing-agent-example”, um agente de marketing de conteúdo que demonstra a utilização completa do Autoresearch Prompt Manager, com prompts que melhoram ao longo do tempo. Inclui instruções de instalação, configuração por variáveis de ambiente, comandos de início rápido, recursos demonstrados, ferramentas integradas, repositório para clonagem, licença e arquivos de distribuição.
Principais Pontos
- Instalação via pip: “pip install marketing-agent-example” e “pip install autoresearch-prompt-manager[example]”.
- Configuração por variáveis de ambiente: PM_LLM_PROVIDER (padrão: groq; opções: anthropic, openai, gemini, openrouter), PM_LLM_MODEL (padrão: openai/gpt-oss-120b; exemplos: claude-sonnet-4-20250514, gpt-4o), PM_LLM_API_KEY (obrigatória), PM_API_URL (http://localhost:8910), PM_DATABASE_URL (PostgreSQL).
- Início rápido: “arpm-api up” (API), “arpm-api start” (PostgreSQL e migrações + API em :8910), “arpm-example seed”, “arpm-example run "Write a welcome email for Alice joining TechCorp"”, “arpm-example loop”, “arpm-example status”.
- Comandos e funções:
- “arpm-example seed” (insere 4 templates de prompt de marketing),
- “arpm-example run "task"” (gera conteúdo com a melhor versão de prompt),
- “arpm-example loop” (executa o ciclo completo de otimização),
- “arpm-example status” (verifica conexão com API, contagem de prompts e configuração do LLM).
- Recursos demonstrados: resolução de prompt com roteamento sensível a experimentos; roteamento A/B determinístico via MurmurHash3; métricas de qualidade com autoavaliação e reporte; otimização autônoma com “autoresearcher-shonku” propondo versões e ajustando pesos.
- Ciclo completo (“arpm-example loop”) com 6 etapas: criação de prompt com 2 versões (formal vs casual); criação de experimento A/B 50/50; execução do agente 4 vezes com geração, avaliação e reporte; resultados médios v1 (formal)=6,00 e v2 (casual)=6,50; execução do autoresearcher propondo v3, validação de segurança e novo experimento; verificação de tráfego nas 3 versões.
- Ferramentas e API: “resolve_prompt” (GET /resolve/{slug}), “report_metric” (POST /metrics); ferramenta interna do agente “rate_content” (heuristic quality scorer); integração com “agno” e LLM (Groq gpt-oss-120b). Ferramentas adicionais do autoresearcher: get_prompt, get_metrics, create_version, create_experiment, conclude_experiment, get_sample_interactions.
- Repositório e desenvolvimento: clonagem “git clone git@github.com:kaustav1996/autoresearch-prompt-manager.git”, diretório “packages/example”, instalação de desenvolvimento “pip install -e ".[dev]"”, testes com “pytest”.
- Licença: MIT.
- Distribuição: arquivos “marketing_agent_example-0.1.5.tar.gz” e “marketing_agent_example-0.1.5-py3-none-any.whl”.
- Orientações de download: seleção por plataforma, filtros por intérprete, ABI e plataforma; necessidade de JavaScript para filtrar; opção de copiar link direto dos filtros.
Informações Essenciais
O pacote “marketing-agent-example” demonstra um agente de conteúdo de marketing baseado no Autoresearch Prompt Manager, com melhoria contínua de prompts, instalação via pip, configuração por variáveis de ambiente e comandos para execução, experimentação A/B, métricas e otimização autônoma. O material descreve ferramentas de API, integração com LLM via agno, repositório para clonagem, licença MIT e arquivos de distribuição disponíveis na versão 0.1.5.
Fonte: pypi.org