Getting Started - Build Your First AI Agent Team

Getting Started with AMPM-AIOPS

Build your first autonomous AI agent team in 10 minutes.

Prerequisites

• Python 3.9+
• Git
• API keys for your preferred LLM provider (OpenAI, Anthropic, etc.)

Step 1: Installation

# Clone the repository
git clone https://github.com/ampm-aiops/ampm-os.git
cd ampm-os

# Install dependencies
pip install -r requirements.txt

# Configure environment
cp .env.example .env
# Edit .env with your API keys

Step 2: Define Your Agents

Create agents.yaml:

agents:
  boss:
    name: "AMPM Boss"
    level: 5
    role: "orchestrator"
    model: "gpt-4"
    
  qiyuan:
    name: "Qiyuan (Research)"
    level: 2
    role: "researcher"
    model: "gpt-3.5-turbo"
    tools:
      - web_search
      - read_file
      
  jueze:
    name: "Jueze (Execute)"
    level: 4
    role: "executor"
    model: "gpt-4"
    tools:
      - write_file
      - execute_code
      - deploy

Step 3: Create Boss Agent

from ampm import BossAgent, AgentRegistry

# Load agent registry
registry = AgentRegistry("agents.yaml")

# Create boss agent
boss = BossAgent(
    registry=registry,
    model="gpt-4"
)

# Receive user goal
goal = "Improve website SEO and increase traffic by 50% in 3 months"
plan = boss.receive_goal(goal)

print(f"Plan: {plan}")

Step 4: Execute the Plan

# Boss automatically decomposes and assigns tasks
boss.execute()

# Monitor progress
while not boss.is_complete():
    status = boss.get_status()
    print(f"Progress: {status}")
    time.sleep(10)

# Get final report
report = boss.get_report()
print(report)

Step 5: Verify Results

# Verify agent checks completion
verifier = registry.get_agent("verifier")
verification = verifier.verify(boss.get_results())

if verification.passed:
    print("✅ All tasks completed successfully!")
else:
    print(f"❌ Issues found: {verification.issues}")

Agent Registry Reference

AMPM-AIOPS Agent Registry

Version: 0.1 (Initial)
Last Updated: 2026-07-28
Maintainer: 黑曜 (HeiYao)

Architecture Overview

                 AMPM Boss
              (總控 Agent / CEO)
                    |
        --------------------------
        |            |           |
      啟淵         覺澤        黑曜
   (Agent A)    (Agent B)   (協調/管理)

Agent Specifications

1. AMPM Boss

Description:
類似公司的 CEO / 專案經理。負責理解 Howard 的目標，拆解成任務，分配給啟淵/覺澤，並監控執行品質。

2. 啟淵 (Qiyuan)

Current State:

• Model: @cf/zai-org/glm-5.2
• Config: C:\Users\pop73\AppData\Local\hermes\profiles\qiyuan\config.yaml
• SOUL: Default (沒有自訂角色)

Planned Role:

• 市場研究（競品分析、趨勢追蹤）
• 技術調研（新框架、新工具評估）
• 策略規劃（長期路線圖建議）
• 文件撰寫（白皮書、技術報告）

3. 覺澤 (Jueze)

Current State:

• Model: @cf/zai-org/glm-5.2
• Config: C:\Users\pop73\AppData\Local\hermes\profiles\jueze\config.yaml
• SOUL: Default (沒有自訂角色)

Planned Role:

• 程式開發（Python/JavaScript/Shell）
• 部署執行（Docker/Cloudflare/GitHub Actions）
• 測試驗證（單元測試、整合測試）
• 問題修復（Debug、錯誤排查）

4. 黑曜 (HeiYao)

Description:
負責協調啟淵和覺澤的工作，確保任務按時完成，並向 Howard 回報進度。不直接執行開發或研究，而是管理和監控。

Next Steps

Phase 0: Agent Definition (當前)

• 建立 Agent Registry
• 為啟淵寫自訂 System Prompt
• 為覺澤寫自訂 System Prompt
• 建立任務分配協議

Phase 1: Communication Protocol

• 定義 Agent 間通訊格式
• 建立任務狀態追蹤系統
• 建立錯誤回報機制

Phase 2: Memory Sharing

• 建立共享知識庫
• 定義記憶讀寫權限
• 建立記憶同步機制

Communication Protocol (Draft)

Task Assignment Format

task_id: AMP-001
assigned_to: qiyuan
priority: P0
objective: "研究競品 LangGraph 的優缺點"
deliverables:
  - type: report
    format: markdown
    path: ~/ampm-os/reports/langgraph-analysis.md
deadline: 2026-07-30
status: pending

Status Update Format

task_id: AMP-001
agent: qiyuan
status: in_progress
progress: 60%
blockers: []
eta: 2026-07-29

Notes

1. 啟淵/覺澤目前是「空白」
   他們的角色定義需要明確寫入各自的 SOUL.md，而不是依賴預設 prompt。

2. 黑曜的角色定位
   不是「第三個 Agent」，而是「協調層」。未來可能被 AMPM Boss 取代。

3. 模型選擇
   目前都用 glm-5.2（免費），未來可能需要根據任務複雜度切換模型。

4. 記憶共享
   目前三個 Agent 的記憶是隔離的，未來需要建立共享機制。