npcpy
一个用于构建多模态AI智能体和知识图谱应用的Python库。
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：npcpy。 它的用途是：一个用于构建多模态AI智能体和知识图谱应用的Python库。 完整的 Skill 内容见：https://321skill.com/skills/npcpy/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
“创建一个名为‘西蒙·玻利瓦尔’的历史人物智能体，指令是‘解放南美洲’，并使用本地ollama的qwen模型。”，npcpy会帮你实例化这个智能体并管理其对话上下文。
对AI说：“让一个文件操作员智能体，找出当前代码仓库中所有超过500行的Python文件。”，npcpy会驱动智能体调用内置的文件系统工具完成任务。
介绍
npcpy 是一个为研究和开发多模态语言模型、智能体AI和知识图谱提供关键原语的Python库。它旨在解决构建复杂AI应用时面临的上下文管理、工具集成和多智能体协作难题。
通过其灵活的框架，开发者可以轻松调用本地（如ollama, llama.cpp）或云端的大语言模型，并利用其核心的NPC（Context-Agent-Tool）数据层来构建多智能体团队。该数据层通过软件逻辑而非单纯提示词来确保应用行为的合规性，简化了上下文工程。
它非常适合AI研究人员、智能体应用开发者以及希望将知识图谱与LLM能力结合的技术团队。无论是快速验证一个智能体想法，还是构建一个包含自定义工具链的复杂多智能体系统，npcpy都提供了清晰的抽象和易用的接口。
使用建议：建议从本地模型（如通过ollama）开始体验，熟悉Agent和ToolAgent的基本用法。在构建生产级应用时，需仔细设计智能体的指令（directive）并管理其工具使用权限，以确保系统行为的稳定和可控。
核心特点
npcpy的核心在于其“Context-Agent-Tool”数据层设计，它将上下文管理、智能体逻辑和工具调用通过软件架构进行解耦和约束，从而在系统层面（而非仅靠提示词工程）保障应用行为的合规性与可控性。同时，它原生支持从本地到云端的多种模型提供商，并内置了知识图谱构建与操作能力，为构建复杂的、可审计的AI应用提供了坚实基础。
注意事项
该库更侧重于为开发者提供构建复杂AI应用的底层框架和原语，而非开箱即用的、面向最终用户的傻瓜式应用，因此需要用户具备一定的Python编程和AI概念基础。
常见问题
npcpy和LangChain有什么区别？
npcpy更强调通过“Context-Agent-Tool”数据层在软件架构层面确保智能体行为的合规性，并内置了对知识图谱的原生支持，而LangChain提供了更广泛的生态链集成和更丰富的现成链（Chain）模板。
必须使用本地模型吗？
不是必须的。npcpy同时支持本地模型（如ollama）和云服务商模型，提供了灵活的模型接入选项。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/npcpy/raw/index.md 读取 npcpy 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/npcpy/raw/index.md（查看排版版本）