From 5a31c360b02d2f4af45dac2cf74edf087e436b7a Mon Sep 17 00:00:00 2001
From: Joachim Happel <joachim.happel@gmail.com>
Date: Mon, 25 Mar 2024 22:26:44 +0100
Subject: [PATCH] example added

---
 README.md                 | 25 ++++++++++-
 crew-news-post-mistral.py | 95 +++++++++++++++++++++++++++++++++++++++
 2 files changed, 119 insertions(+), 1 deletion(-)
 create mode 100644 crew-news-post-mistral.py

diff --git a/README.md b/README.md
index 1b2227f..46eace8 100644
--- a/README.md
+++ b/README.md
@@ -1,9 +1,15 @@
-Anleitungsvideo:
+# crewAI
+
+## Anleitungsvideo
+
 [Youtube: CrewAI Python Tutorial for Beginners - Let's Build an AI Crew!
 ](https://www.youtube.com/watch?v=6NbJQsCg1VQ)
 
+## Open Source Repositorium
+https://github.com/joaomdmoura/crewAI
 
 # Installation
+
 ```shell
   py -m venv venv
  
@@ -13,4 +19,21 @@ Anleitungsvideo:
  #linux 
  python -m venv venv
  ./venv/bin/activate)
+
+
+ pip install python-dotenv crewai langchain langchain-community setuptools wikipedia duckduckgo-search openai
+
+
+## Mit localen Large Language Modulen (LLM)
+
+## Install Ollama
+## https://ollama.com/
+
+pip install ollama 
+
+
 ```
+
+Alle Beispiele lassen sich wie folgt starten mit:
+
+`python beispieldatei.py`
diff --git a/crew-news-post-mistral.py b/crew-news-post-mistral.py
new file mode 100644
index 0000000..3344f4c
--- /dev/null
+++ b/crew-news-post-mistral.py
@@ -0,0 +1,95 @@
+# Beschreibung: GPT Team aus OpenAI und Ollama
+
+# Vorbereitung: pip install ollama openai
+
+# Importieren Sie die erforderlichen Bibliotheken
+import asyncio
+import platform
+
+if platform.system() == 'Windows':
+    asyncio.set_event_loop_policy(asyncio.WindowsSelectorEventLoopPolicy())
+
+
+# Environment Variablen importieren
+from dotenv import load_dotenv
+load_dotenv()
+
+# CrewAI importieren
+from crewai import Agent, Task, Crew, Process
+
+# Suche-Tool importieren
+from langchain_community.tools import DuckDuckGoSearchRun
+
+
+# LLMs von OpenAI und Ollama importieren
+from langchain_community.llms import OpenAI, Ollama
+from langchain_openai import ChatOpenAI
+
+mistral =  Ollama(model="mistral");
+phi     =  Ollama(model="phi");
+turbo35 =  ChatOpenAI(model_name="gpt-3.5-turbo", temperature=0.7)
+chatgpt4 = ChatOpenAI(model_name="gpt-4", temperature=0.8)
+
+
+# Tools importieren
+from langchain.agents import load_tools
+
+from langchain.tools import tool
+
+
+@tool('DuckDuckGoSearch')
+def search(search_query: str):
+    """Suche im Internet nach Informationen zu einem bestimmten Thema"""
+    return DuckDuckGoSearchRun().run(search_query)
+
+
+
+# Nachrichtenagenten initialisieren
+nachrichten_agent = Agent(
+    role='Nachrichtenagent',
+    goal='Finde die neuesten Nachrichten zum Thema Bildung und KI im deutschsprachigen Internet',
+    backstory='Ein Agent, der im Internet nach den neuesten Entwicklungen im Bereich Bildung und Künstliche Intelligenz sucht.',
+    tools=[DuckDuckGoSearchRun()],
+    llm=mistral,
+    deligate_tools=False,
+    verbose=True
+    
+)
+
+
+# Aufgabe für den Nachrichtenagenten
+nachrichten_suchen_task = Task(
+    description='Suche nach den neuesten Meldungen zum Thema Theologie und KI mit DuckDuckGo. ',
+    agent=nachrichten_agent,
+    expected_output='Eine Liste der neuesten Nachrichten zum Thema Bildung und KI'
+)
+
+# Blogschreiber-Agenten initialisieren
+blogschreiber_agent = Agent(
+    role='Blogschreiber',
+    goal='Erstelle einen Blogbeitrag in deutscher Sprache basierend auf den neuesten Nachrichten zum Thema Bildung und KI',
+    backstory='Ein Agent, der fähig ist, informative und ansprechende Blogbeiträge zu schreiben.',
+    llm=mistral,
+    verbose=True,
+    allow_delegation=False
+)
+
+# Aufgabe für den Blogschreiber
+blog_beitrag_schreiben_task = Task(
+    description='Schreibe einen deutschsprachigen Blogbeitrag zum den neuesten Entwicklungen, in dem du eine gelungene Einleitung verfasst und danach die Ergebnisse deines Co-Workers kommentierst und die die Links zu den Beiträgen setzt',
+    agent=blogschreiber_agent,
+    context=[nachrichten_suchen_task],  # Der Blogschreiber verwendet die Ergebnisse des Nachrichtenagenten
+    expected_output='Ein fertiger Blogbeitrag zum Thema Bildung und KI auf deutsch'
+)
+
+# Crew mit beiden Agenten und Aufgaben initialisieren
+crew = Crew(
+    agents=[nachrichten_agent, blogschreiber_agent],
+    tasks=[nachrichten_suchen_task, blog_beitrag_schreiben_task],
+    process=Process.sequential,
+    verbose=2
+)
+
+# Crew-Aktion starten
+result = crew.kickoff()
+print(result)
\ No newline at end of file