生成式人工智能代理处于人工智能的最前沿，彻底改变了我们与人工智能技术交互和利用人工智能技术的方式。该存储库旨在指导您完成从基本代理实施到高级尖端系统的开发之旅。
我们的目标是为每个人提供宝贵的资源——从迈出人工智能第一步的初学者到突破可能性界限的经验丰富的从业者。通过提供从基础到复杂的一系列示例，我们的目标是促进快速发展的 GenAI 代理领域的学习、实验和创新。
此外，该存储库还可作为展示创新代理创作的平台。无论您是开发了新颖的代理架构还是为现有技术找到了创新应用程序，我们都鼓励您与社区分享您的工作。
适合新手的代理
1.简单的会话代理
概览🔎
上下文感知的对话人工智能可以在交互过程中维护信息，从而实现更自然的对话。
实施🛠️
集成语言模型、提示模板和历史管理器，以生成上下文响应并跟踪对话会话。
2.简单问答代理
概览🔎
使用 LangChain 和 OpenAI 语言模型的应答 (QA) 代理可以理解用户的查询并提供相关、简洁的答案。
实施🛠️
结合 OpenAI 的 GPT 模型、提示模板和 LLMChain，以简化的方式处理用户问题并生成 AI 驱动的响应。
3.简单的数据分析代理
概览🔎
由人工智能驱动的数据分析代理使用自然语言解释和回答有关数据集的问题，将语言模型与数据操作工具相结合，以进行直观的数据探索。
实施🛠️
集成语言模型、数据操作框架和代理框架来处理自然语言查询并对合成数据集执行数据分析，从而为非技术用户提供可访问的见解。
4.LangGraph 简介：构建模块化 AI 工作流程
概览🔎
本教程介绍 LangGraph，这是一个用于创建模块化、基于图形的 AI 工作流程的强大框架。了解如何利用 LangGraph 构建更复杂、更灵活的 AI 代理，以高效处理多步骤流程。
实施🛠️
使用 LangGraph 创建 StateGraph 工作流程的分步指南。本教程涵盖了状态管理、节点创建和图形编译等关键概念。它通过构建一个简单的文本分析管道来演示这些原则，作为更高级代理架构的基础。
5.ATLAS：学术任务和学习代理系统
概览🔎
ATLAS 演示了如何构建智能多智能体系统，通过人工智能辅助来转变学术支持。该系统利用 LangGraph 的工作流程框架来协调多个专业代理，提供个性化的学术规划、笔记记录和咨询支持。
实施🛠️
使用通过 LangGraph 的工作流框架协同工作的四个专门代理（协调器、规划器、Notewriter 和顾问）来实现状态管理的多代理架构。该系统具有用于档案分析和学术支持的复杂工作流程，并根据学生的表现和反馈不断进行调整。
6.科技论文代理-文献综述
概览🔎
智能研究助手，可帮助用户通过精心策划的工作流程导航、理解和分析科学文献。该系统将学术 API 与复杂的论文处理技术相结合，实现文献审阅任务的自动化，使研究人员能够有效地从学术论文中提取见解，同时保持研究的严谨性和质量控制。
实施🛠️
利用 LangGraph 创建五节点工作流系统，包括决策、规划、工具执行和质量验证节点。该系统集成了用于纸张访问的 CORE API、用于文档处理的 PDFplumber 以及用于分析的高级语言模型。主要功能包括用于可靠论文下载的重试机制、通过 Pydantic 模型进行结构化数据处理，以及具有人机交互验证选项的以质量为中心的改进周期。
7.Chiron - 费曼增强学习代理
概览🔎
一种自适应学习代理，使用结构化检查点系统和费曼式教学来指导用户完成教育内容。该系统处理学习材料（用户提供的或网络检索的），通过交互式检查点验证理解，并在需要时提供简化的解释，从而创建模仿一对一辅导的个性化学习体验。
实施🛠️
使用 LangGraph 编排学习工作流程，包括检查点定义、上下文构建、理解验证和 Feynman 教学节点。该系统集成了用于动态内容检索的网络搜索，采用语义分块进行上下文处理，并管理相关信息检索的嵌入。主要功能包括 70% 的进展理解阈值、交互式人机交互验证以及通过 Pydantic 模型进行结构化输出以实现一致的数据处理。
8.客户支持代理 (LangGraph)
概览🔎
使用 LangGraph 的智能客户支持代理可以对查询进行分类、分析情绪并提供适当的响应或升级问题。
实施🛠️
利用 LangGraph 创建一个结合状态管理、查询分类、情感分析和响应生成的工作流程。
9.论文评分代理 (LangGraph)
概览🔎
使用 LangGraph 和LLM模型的自动论文评分系统根据相关性、语法、结构和分析深度评估论文。
实施🛠️
利用状态图定义评分工作流程，为每个标准合并单独的评分功能。
10.旅行计划代理 (LangGraph)
概览🔎
使用 LangGraph 的旅行规划器演示了如何构建有状态、多步骤的对话式 AI 应用程序，该应用程序收集用户输入并生成个性化旅行行程。
实施🛠️
利用 StateGraph 定义应用程序流程，并结合自定义 PlannerState 进行流程管理。
11.GenAI职业助理经纪人
概览🔎
GenAI Career Assistant 演示了如何创建一个多代理系统，为生成式 AI 领域的职业提供个性化指导。该系统使用 LangGraph 和 Gemini LLM提供定制的学习路径、简历帮助、面试准备和求职支持。
实施🛠️
利用 LangGraph 的多代理架构，通过基于 TypedDict 的状态管理来协调专业代理（学习、简历、面试、求职）。该系统采用复杂的查询分类和路由，同时与 DuckDuckGo 等外部工具集成，用于职位搜索和动态内容生成。
12.项目经理助理代理
概览🔎
人工智能代理旨在通过自动执行根据项目描述创建可操作任务的过程、识别依赖关系、安排工作以及根据专业知识将任务分配给团队成员来协助项目管理任务。该系统包括风险评估和自我反思功能，通过多次迭代优化项目计划，旨在最大限度地降低项目整体风险。
实施🛠️
利用 LangGraph 编排专门节点的工作流程，包括任务生成、依赖关系映射、调度、分配和风险评估。每个节点都使用 GPT-4o-mini 来按照 Pydantic 模型进行结构化输出。该系统实现了一个自我改进的反馈循环，其中风险评分触发反思循环，从而产生优化项目计划的见解。可视化工具显示跨迭代生成的计划的甘特图。
13.合同分析助理（ClauseAI）
概览🔎
ClauseAI 演示了如何使用多代理方法构建人工智能驱动的合同分析系统。该系统采用专门的人工智能代理来处理合同审查的不同方面，从条款分析到合规性检查，并利用 LangGraph 进行工作流程编排，并利用 Pinecone 进行高效的条款检索和比较。
实施🛠️
使用 LangGraph 实现复杂的基于状态的工作流程，通过合同分析阶段协调多个 AI 代理。该系统具有用于数据验证的 Pydantic 模型、用于条款比较的 Pinecone 向量存储以及用于生成综合合同报告的基于LLM的分析。该实施包括并行处理功能和根据用户需求生成可定制的报告。
14.端到端测试代理
概览🔎
E2E 测试代理演示了如何构建人工智能驱动的系统，将自然语言测试指令转换为可执行的端到端 Web 测试。该系统使用 LangGraph 进行工作流程编排，使用 Playwright 进行浏览器自动化，使用户能够用简单的英语指定测试用例，同时处理测试生成和执行的复杂性。
实施🛠️
使用 LangGraph 实现结构化工作流程来协调测试生成、验证和执行。该系统具有 TypedDict 状态管理、与 Playwright 集成以实现浏览器自动化，以及基于LLM的代码生成功能，用于将自然语言指令转换为可执行测试脚本。该实现包括 DOM 状态分析、错误处理和综合测试报告。
15.GIF 动画生成器代理 (LangGraph)
概览🔎
一个 GIF 动画生成器，集成了用于工作流程管理的 LangGraph、用于文本生成的 GPT-4 和用于图像创建的 DALL-E，根据用户提示生成自定义动画。
实施🛠️
利用 LangGraph 编排工作流程，使用 GPT-4 生成角色描述、情节和图像提示，使用 DALL-E 3 创建图像，并使用 PIL 将它们组装成 GIF。采用异步编程实现高效的并行处理。
16.TTS 诗歌生成器代理 (LangGraph)
概览🔎
使用 LangGraph 和 OpenAI 的 API 的高级文本转语音 (TTS) 代理对输入文本进行分类，根据内容类型对其进行处理，并生成相应的语音输出。
实施🛠️
利用 LangGraph 编排工作流程，使用 GPT 模型对输入文本进行分类，应用特定于内容的处理，并使用 OpenAI 的 TTS API 将处理后的文本转换为语音。系统根据识别的内容类型（一般、诗歌、新闻或笑话）调整其输出。
17.音乐作曲家代理 (LangGraph)
概览🔎
使用 LangGraph 和 OpenAI 语言模型的 AI 音乐合成器可根据用户输入生成自定义音乐作品。系统通过专门的组件处理输入，每个组件都会生成最终的音乐作品，然后将其转换为可播放的 MIDI 文件。
实施🛠️
LangGraph 编排了一个工作流程，将用户输入转换为音乐作品，使用 ChatOpenAI (GPT-4) 生成旋律、和声和节奏，然后进行风格调整。最终的 AI 生成的作品使用 music21 转换为 MIDI 文件，并且可以使用 pygame 进行播放。
18.内容智能：多平台内容生成代理
概览🔎
内容智能演示了如何构建先进的内容生成系统，将输入文本转换为跨多个社交媒体渠道的平台优化内容。该系统采用 LangGraph 进行工作流程编排，以分析内容、进行研究并生成定制内容，同时保持不同平台上的品牌一致性。
实施🛠️
使用 LangGraph 实现复杂的工作流程，以在内容生成过程中协调多个专用节点（摘要、研究、特定于平台）。该系统具有用于状态管理的 TypedDict 和 Pydantic 模型、与 Tavily Search 的集成以增强研究能力，以及使用 GPT-4 生成特定于平台的内容。该实施包括多个平台的并行处理和可定制的内容模板。
19.使用 LangGraph 和 Memegen 的商业 Meme 生成器.link
概览🔎
商业模因生成器演示了如何创建一个人工智能驱动的系统，该系统根据公司网站分析生成上下文相关的模因。该系统使用 LangGraph 进行工作流程编排，结合了 Groq 的 Llama 模型进行文本分析和 Memegen.link API，自动生成用于数字营销的品牌对齐模因。
实施🛠️
使用 LangGraph 实现状态管理工作流程来协调网站内容分析、模因概念生成和图像创建。该系统具有用于数据验证的 Pydantic 模型、aiohttp 的异步处理以及与外部 API（Groq、Memegen.link）的集成，以创建具有可定制模板的完整 meme 生成管道。
20.LLM特工的谋杀之谜游戏
概览🔎
一款基于文本的侦探游戏，利用自主LLM代理作为程序生成的谋杀之谜中的互动角色。系统从 UNBOUNDED 论文中汲取灵感，每次都会创建独特的场景，玩家扮演福尔摩斯的角色，通过人物访谈和演绎推理来解决案件。
实施🛠️
利用两个 LangGraph 工作流程 - 用于故事/角色生成和游戏进程的主游戏循环，以及用于角色交互的对话子图。该系统结合了LLM驱动的叙事生成、角色人工智能和结构化游戏机制，通过可重玩的故事情节创造身临其境的调查体验。
21.记忆增强对话代理
概览🔎
记忆增强型对话人工智能代理结合了短期和长期记忆系统，可以在对话中和多个会话中维护上下文，从而提高交互质量和个性化。
实施🛠️
将语言模型与单独的短期和长期记忆存储集成，利用包含两种记忆类型的提示模板，并使用内存管理器进行存储和检索。该系统包括一个交互循环，用于更新和利用每个响应的记忆。
22.多Agent协作系统
概览🔎
多智能体协作系统，将历史研究与数据分析相结合，利用大型语言模型来模拟专业智能体协同工作来回答复杂的历史问题。
实施🛠️
利用代理基类创建专门的 HistoryResearchAgent 和 DataAnalysisAgent，由 HistoryDataCollaborationSystem 编排。该系统遵循五个步骤：历史背景提供、数据需求识别、历史数据提供、数据分析和最终综合。
23.自我提升剂
概览🔎
使用 LangChain 的自我改进智能体参与对话，从交互中学习，并通过反思和适应不断提高其性能。
实施🛠️
将语言模型与聊天历史管理、响应生成和反射机制集成。该系统采用学习系统，结合反思的见解来提高未来的绩效，从而创建一个持续改进的循环。
24.面向任务的Agent
概览🔎
使用 LangChain 的语言模型应用程序，可汇总文本并将摘要翻译为西班牙语，结合自定义函数、结构化工具和高效文本处理代理。
实施🛠️
利用自定义函数进行摘要和翻译，包装为结构化工具。采用提示模板来指导代理，协调工具的使用。代理执行者管理该过程，获取输入文本并生成英文摘要及其西班牙语翻译。
25.互联网搜索和总结代理
概览🔎
智能网络研究助手，将网络搜索功能与人工智能驱动的摘要相结合，自动执行从互联网收集信息并将其提炼成简洁、相关的摘要的过程。
实施🛠️
使用 DuckDuckGo 的 API 集成网络搜索模块、结果解析器和利用 OpenAI 语言模型的文本摘要引擎。该系统执行特定站点或一般搜索，提取相关内容，生成简明摘要，并编译属性结果以进行有效的信息检索和合成。
26.多智能体研究团队 - Autogen
概览🔎
该技术探索了使用 AutoGen 库进行协作研究的多智能体系统。它采用代理来协作解决任务，注重高效执行和质量保证。该系统通过在专业代理之间分配任务来加强研究。
实施🛠️
使用 GPT-4 模型为代理配置特定角色，包括管理员、开发人员、规划人员、执行人员和质量保证人员。交互管理确保通过定义的转换进行有序通信。任务执行涉及协作规划、编码、执行和质量检查，展示了适用于各个领域的可扩展框架。
27.销售拜访分析器
概览🔎
一种智能系统，通过将音频转录与先进的自然语言处理相结合，自动分析销售电话录音。该分析器使用 OpenAI 的 Whisper 转录音频，使用 NLP 技术处理文本，并生成全面的报告，包括情绪分析、关键短语、痛点和可操作的建议，以提高销售业绩。
实施🛠️
在结构化工作流程中利用多个组件：用于音频转录的 OpenAI Whisper、用于任务自动化和代理管理的 CrewAI、以及用于编排分析管道的 LangChain。该系统通过从转录到详细分析的一系列步骤处理音频，利用自定义代理和任务生成结构化 JSON 报告，其中包含有关客户情绪、销售机会和建议改进的见解。
28.气象应急响应系统
概览🔎
一个综合系统，展示了两种用于天气应急响应的代理图实现：处理实时天气数据的实时图，以及结合真实和模拟数据以测试高严重性场景的混合图。该系统处理从数据收集到应急计划生成的完整工作流程，并具有自动通知和人工验证步骤。
实施🛠️
利用 LangGraph 通过状态管理来编排复杂的工作流程，集成 OpenWeatherMap API 来获取实时数据，并使用 Gemini 来进行分析和响应生成。该系统结合了电子邮件通知、社交媒体监控模拟和基于严重性的路由，以及针对低/中严重性事件的可配置人工验证。
29.自愈代码库系统
概览🔎
一个智能系统，使用 LangGraph 工作流程编排和 ChromaDB 矢量存储自动检测、诊断和修复运行时代码错误。该系统通过向量嵌入来维护遇到的错误及其修复的记忆，从而能够对代码库中的类似错误进行模式识别。
实施🛠️
利用基于状态的图形工作流程，通过专门的节点处理函数定义和运行时参数，以进行错误检测、代码分析和修复生成。合并 ChromaDB，用于基于矢量的错误模式和修复存储，并具有针对类似错误模式的自动搜索和检索功能，同时通过结构化验证步骤保持代码执行安全。
30.DataScribe：人工智能驱动的架构浏览器
概览🔎
智能代理系统，能够通过自然语言交互直观地探索和查询关系数据库。该系统利用一组由状态主管协调的专门代理来处理模式发现、查询规划和数据分析任务，同时通过基于向量的关系图保持上下文理解。
实施🛠️
利用 LangGraph 编排多代理工作流程，包括发现、推理和规划代理，并使用 NetworkX 进行关系图可视化和管理。该系统通过 TypedDict 类合并动态状态管理，使用 db_graph 属性维护会话之间的数据库上下文，并包括防止未经授权的数据库修改的安全措施。
31.新闻使用 LangGraph
概览🔎
新闻摘要系统，可根据用户查询生成当前事件的简明 TL;DR 摘要。该系统利用大型语言模型进行决策和摘要，同时与新闻 API 集成以访问最新内容，使用户能够通过生成的要点摘要快速了解感兴趣的主题。
实施🛠️
利用 LangGraph 编排组合多个组件的工作流程：GPT-4o-mini 用于生成搜索词和文章摘要、NewsAPI 用于检索文章元数据、BeautifulSoup 用于网页抓取文章内容以及 Asyncio 用于并发处理。该系统遵循从查询处理到文章选择和摘要的结构化管道，管理组件之间的流程以生成当前新闻文章的相关 。
32.AInsight：AI/ML 每周新闻记者
概览🔎
AInsight演示了如何使用多代理架构构建智能新闻聚合和摘要系统。该系统采用三个专门的代理（NewsSearcher、Summarizer、Publisher），通过基于 LangGraph 的工作流程编排为普通受众自动收集、处理和总结 AI/ML 新闻。
实施🛠️
使用 LangGraph 实现状态管理的多代理系统来协调新闻收集 (Tavily API)、技术内容摘要 (GPT-4) 和报告生成过程。该系统具有模块化架构，具有基于 TypedDict 的状态管理、外部 API 集成以及带有可自定义模板的 Markdown 报告生成功能。
33.专注于新闻业的人工智能助手
概览🔎
专业的人工智能助手，帮助记者应对现代新闻挑战，如错误信息、偏见和信息过载。该系统集成了事实检查、语气分析、摘要和语法审查工具，以提高新闻工作的准确性和效率，同时保持道德报道标准。
实施🛠️
利用 LangGraph 编排专用组件的工作流程，包括用于分析和生成的语言模型、通过 DuckDuckGo 的 API 进行的 Web 搜索集成、PyMuPDFLoader 和 WebBaseLoader 等文档解析工具、使用 RecursiveCharacterTextSplitter 进行文本分割以及结构化 JSON 输出。每个组件通过统一的工作流程协同工作，以分析内容、验证事实、检测偏见、提取报价并生成综合报告。
34.博客作家（开放 AI Swarm）
概览🔎
使用 OpenAI 的 Swarm 包进行协作博客文章创建的多代理系统。它利用专门的代理来有效地执行研究、规划、写作和编辑任务。
实施🛠️
利用 OpenAI 的 Swarm Package 来管理代理交互。包括管理员、研究员、规划者、作家和编辑，每个人都有特定的角色。该系统遵循结构化的工作流程：主题设置、提纲、研究、起草和编辑。这种方法通过任务分配、专业化和协作解决问题来增强内容创建。
35.播客互联网搜索和生成代理🎙️
概览🔎
两步代理，首先在互联网上搜索给定主题，然后根据找到的主题生成播客。搜索步骤使用搜索代理和搜索功能来查找最相关的信息。第二步使用播客生成代理和生成函数来创建有关找到的主题的播客。
实施🛠️
利用 LangGraph 编排两步工作流程。第一步涉及搜索代理和从互联网收集信息的功能。第二步使用播客生成代理和函数根据收集的信息创建播客。
36.ShopGenie - 重新定义在线购物客户体验
概览🔎
人工智能驱动的购物助手，即使没有领域专业知识，也可以帮助客户做出明智的购买决策。该系统分析来自多个来源的产品信息，比较规格和评论，根据用户需求确定最佳选择，并通过电子邮件提供建议并支持视频评论，打造全面的购物体验。
实施🛠️
使用 LangGraph 编排工作流程，结合用于网络搜索的 Tavily、用于结构化数据分析和产品比较的 Llama-3.1-70B 以及用于评论视频检索的 YouTube API。该系统通过模式映射、产品比较、评论识别和电子邮件生成等多个节点处理搜索结果。主要功能包括用于一致数据处理的结构化 Pydantic 模型、用于稳健 API 交互的重试机制以及通过 SMTP 发送电子邮件以共享建议。
37.购车人工智能代理
概览🔎
智能产品买家人工智能代理演示了如何构建智能系统来帮助用户做出明智的购买决策。该系统使用 LangGraph 和基于LLM情报来处理用户需求，从 AutoTrader 等网站上抓取产品列表，并提供详细的汽车购买分析和建议。
实施🛠️
使用 LangGraph 实现基于状态的工作流程来协调用户交互、网络抓取和决策支持。该系统具有 TypedDict 状态管理、Playwright 异步网络抓取功能，并与外部 API 集成以进行全面的产品分析。该实施包括用于实时聊天交互的 Gradio 界面和用于轻松扩展到其他产品类别的模块化抓取架构。
38.Taskifier - 智能任务分配和管理
概览🔎
一种智能任务管理系统，可以分析用户的工作方式并创建个性化的任务分解策略，该系统源于对学生和早期职业专业人员的任务模糊性造成的拖延现象的观察。该系统评估历史工作模式，通过网络搜索收集相关任务信息，并生成定制的分步方法来优化生产力并减少工作流程瘫痪。
实施🛠️
利用 LangGraph 编排多步骤工作流程，包括工作风格分析、通过 Tavily API 收集信息以及定制计划生成。系统在整个过程中维护状态，将历史工作模式数据与新的任务研究相结合，输出符合用户自然工作风格的详细、个性化的任务执行计划。
39.杂货管理代理系统
概览🔎
使用 CrewAI 构建的多代理系统，可自动执行杂货管理任务，包括收据解释、有效期跟踪、库存管理和食谱推荐。该系统使用专门的代理从收据中提取数据、估计产品保质期、跟踪消耗情况并提出食谱建议以尽量减少食物浪费。
实施🛠️
使用 CrewAI 实现四个专业代理：一个从收据中提取商品详细信息的收据解释器、一个使用在线资源确定保质期的到期日期估算器、一个根据消耗情况维护库存的杂货跟踪器，以及一个使用可用食材建议膳食的食谱推荐器。每个代理都有通过工作人员工作流程精心安排的特定工具和任务。
40.基于 LangGraph 的系统检查器
概览🔎
一款针对基于 LangGraph 的应用程序的综合测试和验证工具，可自动分析系统架构、生成测试用例并通过多代理检查识别潜在漏洞。检查员雇用专门的人工智能测试人员来评估系统的不同方面，从基本功能到安全问题和边缘情况。
实施🛠️
集成用于工作流程编排的 LangGraph、多个LLM支持的测试代理以及包括静态分析、测试用例生成和结果验证的结构化评估管道。该系统使用 Pydantic 进行数据验证，使用 NetworkX 进行图形表示，并实现模块化架构，允许并行测试执行和全面的结果分析。
41.欧盟绿色协议常见问题解答机器人
概览🔎
欧盟绿色协议常见问题机器人演示了如何构建基于 RAG 的人工智能代理，帮助企业了解欧盟绿色协议政策。该系统将复杂的监管文件处理成可管理的块，并为有关环境合规性、排放报告和废物管理要求的常见问题提供即时、准确的答案。
实施🛠️
使用用于文档存储的 FAISS 矢量存储、用于预处理的语义分块以及用于查询处理的多个专用代理（检索器、摘要器、评估器）来实现复杂的 RAG 管道。该系统具有查询改写功能以提高准确性，与黄金问答数据集交叉引用以验证答案，以及综合评估指标以确保响应质量和相关性。
42.系统审稿自动化系统+论文草稿创建
概览🔎
一个使用有向图架构和 LangChain 组件来自动化学术系统评论的综合系统。该系统生成完整的、可立即发表的系统综述论文，自动处理从文献检索到最终草稿生成的所有内容，并具有多个修订周期。
实施🛠️
利用基于状态的图形工作流程处理论文搜索和选择（最多 3 篇论文）、PDF 处理，并生成包含所有标准部分（摘要、引言、方法、结果、结论、参考文献）的完整学术论文。该系统将多个修订周期与自动批评和改进阶段结合在一起，所有这些都通过 LangGraph 状态管理进行协调。
43.用于复杂 RAG 任务的复杂可控代理🤖
概览🔎
一种先进的 RAG 解决方案，旨在解决简单的基于语义相似性的检索无法解决的复杂问题。这种方法使用复杂的确定性图作为高度可控的自主代理的“大脑”🧠，能够根据您自己的数据回答重要的问题。
实施🛠️
• 实施多步骤流程，包括问题匿名化、高层规划、任务分解、自适应信息检索和问答、持续重新规划以及严格的答案验证，以确保答复有依据且准确。
京公网安备11010502056287号