ISAA Modul Dokumentation¶

Übersicht¶

Das ISAA-Modul (toolboxv2.mods.isaa) ist das Kern-System für Agent-Management in ToolBoxV2.

Hauptdatei: toolboxv2/mods/isaa/module.py

Modul-Zugriff¶

from toolboxv2 import Application

app = Application()
isaa = app.get_mod(\"isaa\")

Wichtig: Bei Tippfehler (\"isaaa\" statt \"isaa\") wird KEIN Fehler geworfen!

Kern-Komponenten¶

Komponente	Datei	Beschreibung
`ISAA`	`module.py`	Hauptklasse - Agent Registry, Chains, Import/Export
`FlowAgent`	`base/Agent/flow_agent.py`	Runtime-Instanz eines Agenten
`FlowAgentBuilder`	`base/Agent/builder.py`	Builder-Pattern für Agent-Konfiguration

📚 Komplette Dokumentation¶

🚀 Erste Schritte¶

Quickstart - 5 Minuten zum ersten Agent
Beispiele - Code-Beispiele

🏗️ Architektur¶

Übersicht - Gesamtarchitektur
Agent Architektur - FlowAgent Details
Memory Architektur - Memory System
Chain Architektur - Chain Pipeline

🔧 API Referenz¶

Module API - Komplette API-Dokumentation
Agent Management - get_agent, register_agent, etc.
Chain System - Pipeline-APIs
Import/Export - save_agent, load_agent
format_class - Strukturierte Ausgabe

💻 Coding Agent¶

Coding Agent - Code-Generierung

⚙️ Kernel & Interfaces¶

Kernel System - Discord/Telegram Integration

🔌 Extras¶

Discord Interface - Discord Bot
Web Helper - Web-Suche
Zen System - Meta-Learning

⏰ Jobs & Scheduling¶

Jobs System - Geplante Agent-Ausführungen

🧠 Deep Analysis¶

RL System - Reinforcement Learning

📖 Zusätzliche Docs¶

ISAAMODUL_INIT.md - Modul-Lifecycle
PHASE1_VORANALYSE.md - Planung

⚠️ Entfernte Features (V1 → V2)¶

Feature	Status	Alternative
`minitask()`	❌ Entfernt	`format_class()`
`ToolsInterface`	❌ Entfernt	Native ToolManager

Schnellstart¶

from toolboxv2 import Application

app = Application()
isaa = app.get_mod(\"isaa\")

# 1. Agent holen (erstellt automatisch wenn nicht vorhanden)
agent = await isaa.get_agent(\"my_agent\")

# 2. Agent ausführen
result = await agent.a_run(\"Erkläre Python\")

# 3. Chain erstellen
chain = isaa.chain_from_agents(\"analyzer\", \"writer\")
result = await chain.a_run(\"Analysiere das...\")

# 4. Structurierte Ausgabe
from pydantic import BaseModel

class MyOutput(BaseModel):
    summary: str
    tags: list[str]

result = await isaa.format_class(
    format_schema=MyOutput,
    task=\"Analysiere: ...\",
    agent_name=\"TaskCompletion\"
)

Version¶

Aktuelle Version: 0.4.0

Änderungen in V2: - Native Chain-Unterstützung - Agent Export/Import (.tar.gz mit dill) - Kernel-System für Discord/Telegram - Zen Meta-Learning - Jobs Scheduling - RL Training System