本案例中是一个自动编写程序抓取互联网数据并分析的Agents的使用，可以通过自然语言交互的方式观察Agents是如何一步步完成代码编写，并完成任务处理的。 与数据分析Agents不同的是，本Agents中从代码编写到数据抓取、分析全部是Agents完成的，支持直接从互联网爬取数据进行分析。

使用步骤

以下是数据爬取分析Agents智能体使用步骤:

1. 编写智能体, 在本案例中，我们已经写好了代码编写助手CodeAssistantAgent，源码 dbgpt/agent/agents/expand/code_assistant_agent.py
2. 插入元数据
3. 选择对话场景
4. 开始对话

编写智能体

在本案例中使用的智能体已经在代码中完成编写，详细的代码路径在dbgpt/agent/agents/expand/code_assistant_agent.py, 代码详情如下。

:::color1 同时dbgpt/agent/agents/expand路径下，实现了其他几个Agents, 感兴趣的同学可以自行拓展。

:::

插入元数据

插入元数据的目的，是我们可以在交互界面使用智能体进行交互。

INSERT INTO dbgpt.gpts_instance
(gpts_name, gpts_describe, resource_db, resource_internet, resource_knowledge, gpts_agents, gpts_models, `language`, user_code, sys_code, created_at, updated_at, team_mode, is_sustainable)
VALUES    (
          '互联网数据分析助手',
          '互联网数据分析助手',
          '',
          '{"type": "\\u4e92\\u8054\\u7f51\\u6570\\u636e", "name": "\\u6240\\u6709\\u6765\\u6e90\\u4e92\\u8054\\u7f51\\u7684\\u6570\\u636e", "introduce": "string"}',
          '{"type": "\\u6587\\u6863\\u7a7a\\u95f4", "name": "TY", "introduce": " MYSQL\\u6570\\u636e\\u5e93\\u7684\\u5b98\\u65b9\\u64cd\\u4f5c\\u624b\\u518c"}',
          '[ "CodeEngineer"]',
          '{"DataScientist": ["vicuna-13b-v1.5", "tongyi_proxyllm", "chatgpt_proxyllm"], "CodeEngineer": ["chatgpt_proxyllm", "tongyi_proxyllm", "vicuna-13b-v1.5"], "default": ["chatgpt_proxyllm", "tongyi_proxyllm", "vicuna-13b-v1.5"]}',
          'en',
          '',
          '',
          '2023-12-19 01:52:30',
          '2023-12-19 01:52:30',
          'auto_plan',
          0
          );

选择对话场景

我们选择Agent Chat场景。

进入场景后，选择我们刚刚准备好的互联网数据分析助手Agent, 接下来就可以通过对话的方式来完成需求了。

获取’eosphoros-ai/DB-GPT’仓库在过去一周的issue情况，并进行分析。创建一个markdown的表格, 根据天与状态进行分组