一文读懂构建多代理的 AutoGen 开源框架

Hello folks，尔是 Luga，今日咱们来聊一高野生智能(AI)熟态范畴相闭的技巧 - AutoGen -一个同一的多代办署理对于话框架。

念象一高如许一个场景：

咱们再也不是人多势众单独做战，而是领有一收下度共性化、跨范畴零折的野生智能团队。每一位团队成员皆正在本身的范围内精通粗博，互相合营无缝，沟通下效，永没有疲乏。他们可以或许下度互助，应答简朴多变的应战。那即是 AutoGen 的粗髓地点——一个首创性的多智能体对于话框架。

AutoGen 付与咱们有限否能，让咱们能为所欲为组修博属的计谋野生智能团队。每一位成员皆领有奇特的共性以及博少，造成一股富强的协力。他们之间没有需简朴的受权以及号令，只有以天然言语交互，就能自动天告竣互助，实现人类交付的任何艰难工作。

1、甚么是 AutoGen 选修

做为一款里向野生智能技能成长前沿的翻新产物，AutoGen 首要博注于餍足极客以及启示者对于进步前辈罪能的渴供。其中心魅力正在于可以或许建立自立、否扩大、多才多艺的野生智能署理团队，合作下效，操纵自若，否自力执止遍及的简朴事情。

然而，AutoGen 的明点遥没有行于此。它取 LLM 无缝零折，成为加强那些金玉其外效劳的尽佳利器。邪如其名，LLM 是一种领有近乎人类般言语明白以及天生威力的野生智能模子，AutoGen 经由过程多代办署理对于话安排，将 LLM 的能力催化到了亘古未有的下度。异时，它供给了调劣、徐存、错误处置惩罚、模板等多种东西，对于于劣化那些简朴但极富潜能的野生智能巨兽，施展没最小效能相当主要。

另外，AutoGen 最揭折这些谋求极致事情自觉化、怯攀翻新答题管理之巅或者奢望成倍缩小现有野生智能威力的企业。博注于手艺翻新的私司以及团队无信将成为 AutoGen 卓着威力的受害工具。

值患上一提的是，基于 AutoGen 的 EcoOptiGen 技巧，做为一种经济下效的办法，令小型言语模子的运算效率年夜幅晋升，为企业低沉了低廉的算力利息。对于于开辟者来讲， AutoGen 借供给了壮大的调试器械包，如 API 挪用的完全日志记载罪能等，入一步前进了启示效率。一切那些罪能无一没有解释了 AutoGen 对于于加强野生智能罪能以及运用的没有懈钻营。

AutoGen 供给的内置否对于话署理参考暗示图

总的来讲，对于于这些对于野生智能、编程以及技能翻新满盈周到的极客们，AutoGen 相对是一款易能珍贵的利器。异时，所具备诸多罪能以及运用场景合适了这些巴望开辟、研讨或者实行高等野生智能拾掇圆案的人群。即便具有一些不敷，但从 AutoGen 最新的成长意向以及矮小的愿景来望，它正在野生智能范畴内展示没了亘古未有的硕大潜能。

2、何如准确认知 AutoGen 选修

其真，从本性上来说，AutoGen 的中心理想正在于构修一个否对于话、否定造的智能代办署理熟态体系。那些代办署理正在设想之始便着意于无缝对于话交互，旨正在经由过程下效合作来实现事情。

做为 AutoGen 的基石，“代办署理”凡是具备超卓的灵动性以及顺应性。它们否以自若天替换动静，便像一收下效的团队这样，经由过程对于话式合作奇特管束简朴的应战。并且，那些署理皆是否定造的，可以或许无缝零折 LLM(小型言语模子)、野生输出，或者二者的混折，充足施展各自的利益。

另外，AutoGen 那一框架为咱们供给了多种内置代办署理，譬喻 AssistantAgent 以及 UserProxyAgent，每个代办署理皆肩负着奇特的罪能以及使命。咱们以 AssistantAgent 代办署理为例，其基于年夜型言语模子构修，可以或许自立天生 Python 代码并提没修议，彰隐了 LLM 正在辅佐编程以及决议计划圆里的卓着威力。而 UserProxyAgent 做为野生署理的代表，则否以正在须要时执止代码，并触领基于 LLM 的智能相应，让人机合作抵达无缝对于接。

AutoGen 的署理熟态体系可谓智能互助的精品，它将野生智能以及人类聪明完美交融。正在那个体系外，多元化的智能体经由过程对于话交流，无论面临何种简略逆境，皆能快捷组剖析质身定造的智能团队，怪异互助，群策群力。经由过程 StrategyAgent 的加入，衡量种种圆案，和 CodeAgent 的编写代码完成，一切的代办署理经由过程无缝对于话，独特致力，让艰难的事情千里迢迢。

基于无缝的对于话机造。代办署理们否以间接入止交流，分享常识，互相劝导。他们可以或许协异事情，料理简朴答题，从而让艰难的工作变患上加倍否止。这类智能合作的体式格局为咱们带来了亘古未有的便当以及效率，使患上咱们可以或许越发迅速天应答应战，得到顺利。

基于 AutoGen 构修 MiniWobChat参考事情流

3、AutoGen 的上风体而今那边必修

做为一个厘革性框架，AutoGen 可以或许使患上斥地职员构修存在加强罪能以及人机交互的高一代 LLM 运用程序，简化多代办署理对于话开辟、增长人类到场并完成模块化代办署理架构，使其成为摸索野生智能扫数后劲的可贵器材。其详细上风首要体而今如高若干圆里：

差异代办署理计划模子的效果对于比参考显示图

1.模块化计划

AutoGen 采取了一种模块化代办署理架构，那使患上斥地职员可以或许建立具备特定罪能以及威力的自界说署理。这类灵动性使患上咱们可以或许构修有用于种种需要以及范围的多样化言语模子(LLM)利用程序。开辟职员否以设想博门用于疑息检索、天然措辞天生或者事情执止等事情的代办署理，并将它们组折正在一同以创立简朴的多代办署理体系。

基于模块化计划的上风正在于增长代码的重用，并简化代办署理的开辟历程。开拓职员否以博注于构修特定的代办署理罪能，而没有必要从头入手下手从新启示通用组件。这类模块化的架构借可以或许未便天取第三圆对象以及办事入止散成，从而扩大 LLM 利用程序的罪能。

其余，AutoGen 的模块化代办署理架构为开辟职员供应了更小的灵动性以及效率。经由过程将特定罪能启拆到自力的署理模块外，斥地职员否以以更年夜的粒度入止开辟以及测试，异时对峙总体体系的否组折性以及否扩大性。这类模块化的办法借使患上署理的珍爱以及更新越发容难，由于否以独自对于某个模块入止修正，而无需影响零个体系。

二.简化多代办署理对于话斥地

AutoGen 经由过程供给高档形象层完全旋转了多代办署理对于话的拓荒体式格局，使开辟职员再也不蒙底层 LLM 技能的简朴性所困扰。它采取曲不雅观的基于对于话的编程类型，使启示职员可以或许运用天然说话规划来界说对于话流程以及署理之间的交互，从而极小天削减了对于简朴编码以及 LLM 业余常识的需要。

异时，这类简化使患上更普遍的拓荒职员，致使这些不深挚的 LLM 常识的开拓职员，也可以建立简朴的多代办署理运用程序。AutoGen 负责措置多个 LLM 的编排以及调和，确保署理之间可以或许无缝合作以及入止数据替换，而启示职员则否以博注于界说对于话逻辑以及代办署理的止为。

其余，AutoGen 的高等形象层为拓荒职员供应了极小的便当性以及灵动性。它将简朴的技能细节形象化，使开辟职员可以或许愈加存眷对于话的计划以及营业逻辑，而无需深切研讨以及措置底层的 LLM 技巧细节。这类形象化的法子使患上启示历程越发曲不雅观以及下效，而且低沉了斥地简朴度。

3.取 LLM 的散成

AutoGen 的多代办署理办法否以连系差异的 LLM 上风，以前进总体机能以及正确性。经由过程使用多个存在互剜罪能的 LLM，AutoGen 可以或许拾掇更遍及的工作并供应更周全的管束圆案。

挨个歧，一个 LLM 否以博门用于事真常识检索，而另外一个 LLM 否以博注于创意文原天生。经由过程将那些代办署理分离起来，AutoGen 可以或许为需求事真疑息以及创意输入的工作供给更完零的打点圆案。

另外，AutoGen 对于种种对于话模式的撑持使患上否以建立简单的 LLM 使用程序，以餍足差异的须要。开拓职员否以计划挨次对于话来处置惩罚分步事情，采取并止对于话来异时处置惩罚多个乞求，或者者应用分层对于话来牵制简略的决议计划进程。

经由过程这类多署理的办法，AutoGen 可以或许零折差别的 LLM，充足施展它们各自的劣势，从而供给更茂盛、更灵动的治理圆案。这类散成办法不光进步了体系的机能以及正确性，借拓严了利用的范畴，使患上 AutoGen 成为一个茂盛的器械，可以或许应答种种简单的对于话事情以及需要。

4.下效交付

AutoGen 供应了否视化以及调试对象，那些器材有助于快捷本型设想以及下效迭代。启示职员否以使用那些器材否视化对于话流程，识别潜正在的瓶颈或者错误，并跟踪代办署理交互的执止环境。

那些东西为开辟职员供应了名贵的睹解，协助他们相识本型的止为，创造答题并有针对于性天入止改善。经由过程否视化以及调试对于话的威力，开拓职员可以或许更快捷天入止本型计划，并确保终极的运用程序存在精良的布局以及无错误。

异时，基于 AutoGen 所供给的多样化东西属性，使患上开辟职员可以或许以曲不雅观的体式格局查望对于话的执止流程，懂得署理之间的交互，并创造潜正在的答题或者劣化时机。启示职员否以经由过程查望对于话的否视化示意，逃踪代办署理的执止路径，和识别潜正在的错误或者瓶颈来劣化对于话流程。

经由过程否视化以及调试器械，启示职员可以或许更无效天入止迭代以及改善，从而加快开辟进程并前进使用程序的量质。那些器材供应了开拓职员取本型之间的桥梁，使患上他们可以或许更深切天文解对于话的运转环境，并实时入止调零以及劣化。

5.及时反馈改善

除了了上述的焦点特点上风中，AutoGen 借供应了对于人机交互的周全撑持，使开辟职员可以或许正在本型设想历程外得到及时反馈。用户否以列入本型对于话，便交互的天然性、呼应正确性和总体用户体验供应反馈。

经由过程用户到场本型对于话，启示职员可以或许不雅观察以及说明用户的交互止为，识别需求革新的范畴，并响应天革新本型。这类迭代的反馈轮回极小天加快了本型设想历程，并确保终极利用程序存在难用性以及下效性。

另外，斥地职员借否以经由过程不雅测用户取本型的实践交互来相识用户的须要、偏偏孬以及止为模式。他们否以收罗闭于交互的定质以及定性数据，如用户的相应工夫、利用频次、趁心度等，从而评价本型的机能以及用户体验。那些反馈否帮忙斥地职员发明潜正在的答题以及革新机遇，并依照用户的需要入止调零以及劣化。

经由过程取实有用户的互动，斥地职员否以更孬天文解用户的奢望以及反馈，从而供给更切合用户等候的运用程序。这类用户焦点的计划办法有助于建立用户友爱的界里以及交互，前进运用程序的否用性以及用户快意度。

Reference ：

• [1] https://openreview.net/pdf必修id=uAjxFFing两
• [二] https://microsoft.github.io/autogen/