用Python搭一个AI体育分析智能体数据到报告共4步【免费下载链接】gpt-computer-assistantBuild autonomous AI agents in Python.项目地址: https://gitcode.com/GitHub_Trending/gp/gpt-computer-assistant终场哨响后还得手动扒比分、伤停消息和PDF比赛报告。GPT-Computer-AssistantUpsonic是一个Python AI智能体框架让智能体自己抓数据、分析、画图。本文一步步搭一套AI体育分析流水线全程可跑。上手前先认识这3个能力一句话定位这是构建自主AI智能体的Python框架。体育分析里你会高频用到的是把手工扒比分的半天变成一条命令自动抓回比赛数据把上次结论忘了重算一遍变成追问时记忆直接带上把画图、写报告、对数据三个角色变成一个四人智能体分工不用背API。下面4个小节全部接好就能用。 三步接通比赛数据3条命令装好框架第一条安装uv pip install upsonicpip用户换成pip install。第二条项目目录建.env文件填2个API密钥框架启动时自动加载。第三条跑你的脚本。一行抓回一场比赛的统计第一个智能体只有5行代码from upsonic import Agent, Task agent Agent(modelopenai/gpt-4o, name体育数据员) task Task(description抓取最近一场NBA比赛的统计数据列出来) agent.print_do(task)要访问体育数据API给Agent挂上内置的网页抓取工具 WebFetchTool智能体自己发请求。自带搜索工具也有现成的tavily、duckduckgo 搜索。赞助商财务数据可以直接用 YFinanceTools。扫描版PDF赛报交给框架的OCR模块它会把文本提取出来。这一步跑通后你就能在终端直接看到最新一场的统计数字。 建模分析给分析师装上记忆2行代码开启会话记忆分析工作最烦的是追问一次就要重新贴一遍上下文。加2行配置解决from upsonic.storage import Memory, InMemoryStorage memory Memory(storageInMemoryStorage(), session_idmatch_0412, full_session_memoryTrue) analyst Agent(modelanthropic/claude-sonnet-4-5, name分析专家, memorymemory)先问分析球员A最近5场的得分趋势再问结合伤病解释得分波动不用重新给数据智能体会从记忆里带出上一轮结论。规模大了再换成 storage 模块里的 SQLite 或 Postgres 后端记忆跨重启保留。把分析维度变成自己的工具内置工具库见 src/upsonic/tools/builtin_tools.py网页搜索、代码执行、图像生成都有。你自己的分析维度比如攻防效率写个函数挂上tool装饰器docstring 就是工具说明。进攻、防守各挂一个智能体做多维度分析时会自己交替调用。这一步完成后你追问为什么不用再贴一遍数据分析里每个数字都有函数撑腰。 结果呈现图表和报告自动出让智能体自己画趋势图不用自己写画图代码。给分析师挂上内置的代码执行工具 CodeExecutionTool然后一句话画一张最近10场得分的折线图加标题存成 score_trend.png。智能体自己写Python、自己执行图表存到指定位置。一条指令出完整报告下一句指令报告包含5部分——比赛概述、关键球员表现、战术分析、图表引用、下场预测。智能体输出markdown存成 match_analysis_report.md 就是成品不用你手工搭目录、排小节。这一步跑通后一个目录下能直接看到趋势图和报告文件两个成品。 团队协作4个智能体分工组建体育分析团队大任务让一个智能体从头干到尾很慢。把抓数据、统计、可视化、写报告拆成4个智能体一个 Team 收编from upsonic import Agent, Team, Task team Team(name体育分析团队, entities[data_agent, stat_agent, viz_agent, report_agent], modelanthropic/claude-sonnet-4-5, modecoordinate) team.print_do(Task(description完成上周联赛的全面分析并输出报告))3种团队模式挑一个sequential是固定流水线一个个按顺序干coordinate由协调者分派任务、汇总结果route把整个任务直接交给最合适的那一位。例行周报选 sequential分析维度不确定选 coordinate源码见 src/upsonic/team/team.py。这一步跑通后整条分析任务一次交出去4个智能体各干各的报告自动回来。⚠️ 常见坑2条先读再动手密钥别硬编码。API密钥放.env框架自动加载写死在代码里很容易连仓库一起推出去。探索型分析别用 sequential。事先不知道分析会落到哪个维度时用 coordinate协调者会按中间结果动态分派。想看更多能跑的示例翻 tests/doc_examples/ 目录agent、chat、memory、team 四类都有现成样例把 description 换成你的体育数据就能用。现在就从第一条安装命令开始10分钟跑通第一个智能体明天的数据活就交给它。【免费下载链接】gpt-computer-assistantBuild autonomous AI agents in Python.项目地址: https://gitcode.com/GitHub_Trending/gp/gpt-computer-assistant创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 
长河君 · 2026/9/20 13:11:35 · 阅读 1.2k 用Python搭一个AI体育分析智能体：数据到报告共4步
用Python搭一个AI体育分析智能体数据到报告共4步【免费下载链接】gpt-computer-assistantBuild autonomous AI agents in Python.项目地址: https://gitcode.com/GitHub_Trending/gp/gpt-computer-assistant终场哨响后还得手动扒比分、伤停消息和PDF比赛报告。GPT-Computer-AssistantUpsonic是一个Python AI智能体框架让智能体自己抓数据、分析、画图。本文一步步搭一套AI体育分析流水线全程可跑。上手前先认识这3个能力一句话定位这是构建自主AI智能体的Python框架。体育分析里你会高频用到的是把手工扒比分的半天变成一条命令自动抓回比赛数据把上次结论忘了重算一遍变成追问时记忆直接带上把画图、写报告、对数据三个角色变成一个四人智能体分工不用背API。下面4个小节全部接好就能用。 三步接通比赛数据3条命令装好框架第一条安装uv pip install upsonicpip用户换成pip install。第二条项目目录建.env文件填2个API密钥框架启动时自动加载。第三条跑你的脚本。一行抓回一场比赛的统计第一个智能体只有5行代码from upsonic import Agent, Task agent Agent(modelopenai/gpt-4o, name体育数据员) task Task(description抓取最近一场NBA比赛的统计数据列出来) agent.print_do(task)要访问体育数据API给Agent挂上内置的网页抓取工具 WebFetchTool智能体自己发请求。自带搜索工具也有现成的tavily、duckduckgo 搜索。赞助商财务数据可以直接用 YFinanceTools。扫描版PDF赛报交给框架的OCR模块它会把文本提取出来。这一步跑通后你就能在终端直接看到最新一场的统计数字。 建模分析给分析师装上记忆2行代码开启会话记忆分析工作最烦的是追问一次就要重新贴一遍上下文。加2行配置解决from upsonic.storage import Memory, InMemoryStorage memory Memory(storageInMemoryStorage(), session_idmatch_0412, full_session_memoryTrue) analyst Agent(modelanthropic/claude-sonnet-4-5, name分析专家, memorymemory)先问分析球员A最近5场的得分趋势再问结合伤病解释得分波动不用重新给数据智能体会从记忆里带出上一轮结论。规模大了再换成 storage 模块里的 SQLite 或 Postgres 后端记忆跨重启保留。把分析维度变成自己的工具内置工具库见 src/upsonic/tools/builtin_tools.py网页搜索、代码执行、图像生成都有。你自己的分析维度比如攻防效率写个函数挂上tool装饰器docstring 就是工具说明。进攻、防守各挂一个智能体做多维度分析时会自己交替调用。这一步完成后你追问为什么不用再贴一遍数据分析里每个数字都有函数撑腰。 结果呈现图表和报告自动出让智能体自己画趋势图不用自己写画图代码。给分析师挂上内置的代码执行工具 CodeExecutionTool然后一句话画一张最近10场得分的折线图加标题存成 score_trend.png。智能体自己写Python、自己执行图表存到指定位置。一条指令出完整报告下一句指令报告包含5部分——比赛概述、关键球员表现、战术分析、图表引用、下场预测。智能体输出markdown存成 match_analysis_report.md 就是成品不用你手工搭目录、排小节。这一步跑通后一个目录下能直接看到趋势图和报告文件两个成品。 团队协作4个智能体分工组建体育分析团队大任务让一个智能体从头干到尾很慢。把抓数据、统计、可视化、写报告拆成4个智能体一个 Team 收编from upsonic import Agent, Team, Task team Team(name体育分析团队, entities[data_agent, stat_agent, viz_agent, report_agent], modelanthropic/claude-sonnet-4-5, modecoordinate) team.print_do(Task(description完成上周联赛的全面分析并输出报告))3种团队模式挑一个sequential是固定流水线一个个按顺序干coordinate由协调者分派任务、汇总结果route把整个任务直接交给最合适的那一位。例行周报选 sequential分析维度不确定选 coordinate源码见 src/upsonic/team/team.py。这一步跑通后整条分析任务一次交出去4个智能体各干各的报告自动回来。⚠️ 常见坑2条先读再动手密钥别硬编码。API密钥放.env框架自动加载写死在代码里很容易连仓库一起推出去。探索型分析别用 sequential。事先不知道分析会落到哪个维度时用 coordinate协调者会按中间结果动态分派。想看更多能跑的示例翻 tests/doc_examples/ 目录agent、chat、memory、team 四类都有现成样例把 description 换成你的体育数据就能用。现在就从第一条安装命令开始10分钟跑通第一个智能体明天的数据活就交给它。【免费下载链接】gpt-computer-assistantBuild autonomous AI agents in Python.项目地址: https://gitcode.com/GitHub_Trending/gp/gpt-computer-assistant创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考