入门指南

AutoGen 是一个框架，可以使用多个代理进行对话，解决任务，从而实现 LLM 应用的开发。AutoGen 代理是可定制、可对话的，并且可以无缝地允许人类参与。它们可以在使用 LLM、人类输入和工具的各种模式下运行。

主要特点

• AutoGen 可以基于多代理对话的方式，以最小的工作量构建下一代 LLM 应用。它简化了复杂 LLM 工作流的编排、自动化和优化。它最大化了 LLM 模型的性能，并克服了它们的弱点。
• 它支持多样化的对话模式，适用于复杂的工作流程。开发人员可以使用可定制和可对话的代理，使用 AutoGen 构建涉及对话自治性、代理数量和代理对话拓扑的各种对话模式。
• 它提供了一系列具有不同复杂性的工作系统。这些系统涵盖了各种领域和复杂度的应用。这展示了 AutoGen 如何轻松支持多样化的对话模式。

AutoGen 的研究成果来自于 Microsoft、宾夕法尼亚州立大学和华盛顿大学的合作研究项目。

快速入门

pip install pyautogen

无代码执行

import os
from autogen import AssistantAgent, UserProxyAgent

llm_config = {"model": "gpt-4", "api_key": os.environ["OPENAI_API_KEY"]}
assistant = AssistantAgent("assistant", llm_config=llm_config)
user_proxy = UserProxyAgent("user_proxy", code_execution_config=False)

# 开始对话
user_proxy.initiate_chat(
    assistant,
    message="Tell me a joke about NVDA and TESLA stock prices.",
)

本地执行

warning

在继续之前，请确保检查生成的代码以确保其安全运行。

import os
import autogen
from autogen import AssistantAgent, UserProxyAgent

llm_config = {"model": "gpt-4", "api_key": os.environ["OPENAI_API_KEY"]}
assistant = AssistantAgent("assistant", llm_config=llm_config)

user_proxy = UserProxyAgent(
    "user_proxy", code_execution_config={"executor": autogen.coding.LocalCommandLineCodeExecutor(work_dir="coding")}
)

# 开始对话
user_proxy.initiate_chat(
    assistant,
    message="Plot a chart of NVDA and TESLA stock price change YTD.",
)

Docker 执行

import os
import autogen
from autogen import AssistantAgent, UserProxyAgent

llm_config = {"model": "gpt-4", "api_key": os.environ["OPENAI_API_KEY"]}

with autogen.coding.DockerCommandLineCodeExecutor(work_dir="coding") as code_executor:
    assistant = AssistantAgent("assistant", llm_config=llm_config)
    user_proxy = UserProxyAgent(
        "user_proxy", code_execution_config={"executor": code_executor}
    )

    # 开始对话
    user_proxy.initiate_chat(
        assistant,
        message="绘制 NVDA 和 TESLA 股票今年以来的价格变化图表。将图表保存为名为 plot.png 的文件。",
    )

打开 coding/plot.png 查看生成的图表。

tip

了解有关为代理配置 LLM 的更多信息，请点击这里。

多代理对话框架

Autogen 提供了一个通用的多代理对话框架，为下一代 LLM 应用程序提供支持。它提供了可定制和可对话的代理，这些代理集成了 LLM、工具和人类。 通过自动化多个能力代理之间的聊天，可以轻松地使它们集体自主地执行任务，或者通过人类反馈来执行任务，包括需要通过代码使用工具的任务。例如，这里是一个示例。

下图显示了使用 AutoGen 的示例对话流程。

下一步该怎么做？

• 阅读教程，了解 AutoGen 中的核心概念
• 在笔记本部分阅读示例和指南
• 了解多代理对话和增强的 LLM 推理的用例
• 阅读API文档
• 了解关于 AutoGen 的研究
• 在Discord上进行交流
• 在Twitter上关注我们
• 查看我们的路线图

如果您喜欢我们的项目，请在 GitHub 上给它一个星标。如果您有兴趣贡献，请阅读贡献者指南。