文章转载来源：AIGC开放社区
正如网友所说的，借助 AutoGen，以后完成某项任务，用户只需给出需求，敲下回车，中间过程完全不用管，任务自动就完成了。
原文来源：AIGC开放社区
图片来源：由无界AI生成
一个项目，用了短短两个星期的时间，星标量从 390 狂增到 10K，并在 Discord 上吸引了 5000 多名成员，如此爆火的项目便是微软最近发布的全新工具 AutoGen。
我们可以将 AutoGen 理解为一个框架，其允许多个 LLM 智能体通过聊天来解决任务。LLM 智能体可以扮演各种角色，如程序员、设计师，或者是各种角色的组合，对话过程就把任务解决了。
不仅如此，AutoGen 是可定制的、可对话的，并且允许人类参与。AutoGen 的运作方式包括借助 LLM 完成任务、人类输入和各种工具的相互组合。
项目地址：https://github.com/microsoft/autogen
有用过该项目的用户给与了极高的评价，表示道：「给出需求，敲下回车，中间过程完全不用管……」
还有网友表示：「AutoGen 在几秒钟内帮我制作了一个贪吃蛇游戏」。
那么大家纷纷叫好的项目，到底有哪些优点呢，具体来说：
另外，项目中也给出了许多示例来帮助大家更好的运用 AutoGen。举例来说，根据一位网友的说法，假如想要实现一个爬虫程序，并且抓取并保存网页图片。用 ChatGPT 来实现的话，会返回执行代码，一般来说代码不能直接使用，需要人类进行修正。但是，如果将这个任务交给 AutoGen，你只需要定义几个智能体就可以实现了。
如下示例展示了借助 AutoGen 框架，使用 MathChat 解决数学问题时，运行代码中出现了构建智能体这一步骤，并对其进行了初始化：
下图显示了使用 AutoGen 构建的六个应用程序示例，包括数学问题解决、多智能体编码、在线决策制定、检索增强聊天、动态群聊以及对话式国际象棋。
AutoGen 还有助于最大限度地提高 ChatGPT 和 GPT-4 等 LLM 的效用。就如前面提到的，AutoGen 提供了 openai.Completion 或 openai.ChatCompletion 的直接替代，还添加了更多功能，如调优、缓存、错误处理和模板。例如，用户可以使用自己的调优数据，在预算范围内来优化 LLM 的生成内容。
# perform tuningconfig, analysis = autogen.Completion.tune ( data=tune_data, metric="success", mode="max", eval_func=eval_func, inference_budget=0.05, optimization_budget=3, num_samples=-1,)# perform inference for a test instanceresponse = autogen.Completion.create (context=test_instance, **config)以上这些用例显示了 AutoGen 在解决各种问题上的广泛适用性，使其成为开发者的宝贵工具。还没体验的小伙伴，根据官方提供的安装步骤，可以上手一试了。
参考链接：
https://twitter.com/Barret_China/status/1712408323851788505
https://www.zhihu.com/question/624287948
https://weibo.com/1812166904/NnwU4lDMP
来源：AIGC开放社区
发布人：暖色
声明：该文观点仅代表作者本人，不代表火讯财经立场。火讯财经系信息发布平台，仅提供信息存储空间服务。
如文章涉及侵权， 请及时致函告之，本站将第⼀时间删除⽂章。邮箱：840034348@qq.com
文章总数
浏览数
商务合作：840034348@qq.com
媒体合作：840034348@qq.com
投稿合作：840034348@qq.com
微信公众号
iPhone & Android
