AutoGen : un cadre de dialogue corporel multi-intelligent développé par Microsoft

Introduction générale

AutoGen est un cadre open source développé par une équipe de chercheurs de Microsoft, dont l'objectif est de simplifier la création d'applications à grand modèle de langage (LLM) par le biais d'un dialogue entre corps multi-intelligents. Il permet aux développeurs de créer des agents d'intelligence artificielle capables de dialoguer entre eux et de collaborer pour résoudre des tâches. Cette approche améliore non seulement les performances des LLM, mais aussi la flexibilité et l'utilité du système en intégrant l'apport humain et l'utilisation d'outils. AutoGen prend en charge tous les types de dialogues, du simple dialogue entre deux agents intelligents aux discussions de groupe entre plusieurs agents intelligents, pour des flux de travail de toutes complexités.

Microsoft a présenté AutoGen 0.4, une version entièrement réécrite et non rétrocompatible d'AutoGen. La nouvelle version AutoGen 0.4 utilise une architecture modulaire, extensible et en couches. Il s'agit d'un cadre multi-agents asynchrone, axé sur les messages et extensible, destiné à la création de systèmes d'intelligence artificielle avancés.

AutoGen:微软开发的多智能体对话框架

 

Liste des fonctions

  • collaboration multi-intelligenceLe système de gestion de l'information : Il permet à plusieurs agents d'intelligence artificielle de collaborer par le biais d'un dialogue pour résoudre des tâches complexes.
  • Personnalisation et extensibilitéLes développeurs peuvent personnaliser le comportement et les modèles de dialogue des intelligences à la demande.
  • Soutien à la participation humaineIntelligentsia peut interagir avec des utilisateurs humains et recevoir un retour d'information de la part de ces derniers afin d'optimiser l'exécution des tâches.
  • intégration des outilsLes organismes intelligents peuvent utiliser directement du code ou des outils externes pour améliorer le traitement des tâches.
  • Des scénarios d'application diversifiésIl existe des exemples d'applications dans des domaines allant de la résolution de problèmes mathématiques à la programmation et à l'optimisation de la chaîne d'approvisionnement.
  • l'optimisation des performancesAmélioration de l'efficacité du LLM grâce à des mécanismes tels que le raisonnement multi-configuration et la mise en cache.

 

AutoGen-Core

AutoGen-Core est l'API de base du cadre AutoGen, basé sur le modèle Actor, qui prend en charge la messagerie asynchrone entre les intelligences et les flux de travail basés sur les événements. Il fournit l'infrastructure sous-jacente qui permet aux développeurs de créer des systèmes corporels multi-intelligents hautement flexibles et évolutifs. Les principales caractéristiques sont les suivantes

  • la messagerie asynchroneIntelligentsia communique entre eux par le biais de messages asynchrones afin d'assurer un traitement simultané efficace.
  • Flux de travail piloté par les événementsLa gestion du flux de travail est basée sur les événements, ce qui permet au système de répondre aux changements environnementaux et aux exigences des tâches.
  • grande flexibilitéLe système de gestion de l'information (SGI) : Il offre un degré élevé de contrôle sur les composants sous-jacents, ce qui permet aux utilisateurs avancés de les personnaliser et de les optimiser en profondeur.

AutoGen-AgentChat

AutoGen-AgentChat est une API de haut niveau, construite au-dessus d'AutoGen-Core, axée sur la création d'applications de dialogue corporel multi-intelligent. Elle offre aux développeurs un niveau d'abstraction supérieur qui simplifie la création et la gestion de systèmes corporels multi-intelligents. Ses principales caractéristiques sont les suivantes

  • axé sur la missionLe dialogue entre les intelligences : Il permet de définir des intelligences de dialogue et de les associer pour résoudre des tâches spécifiques.
  • Comportement prédéfiniLes comportements prédéfinis des intelligences et les modes de conception multi-intelligence sont fournis pour une mise en route rapide.
  • convivialeLe système de gestion de l'information : adapté aux débutants, il offre des paramètres par défaut intuitifs et une interface facile à comprendre.

 

Utiliser l'aide

Installation et configuration

Pour commencer à utiliser AutoGen, il faut d'abord l'installer via le gestionnaire de paquets Python Pip :

pip install -U "autogen-agentchat" "autogen-ext[openai]"

Vous avez besoin d'une clé API OpenAI pour utiliser certaines fonctionnalités, qui peuvent être définies via des variables d'environnement :

export OPENAI_API_KEY='your-api-key-here'

Utilisation d'AutoGen

Création d'une intelligence de base: :

from autogen import AssistantAgent, UserProxyAgent
# 定义一个助手智能体
assistant = AssistantAgent("assistant", 
llm_config={
"config_list": [{"model": "gpt-4", "api_key": os.environ["OPENAI_API_KEY"]}]
})
# 创建一个用户代理
user_proxy = UserProxyAgent("user_proxy", 
code_execution_config={"work_dir": "coding", "use_docker": False})
# 开始对话
user_proxy.initiate_chat(assistant, message="解释一下什么是AutoGen?")

Construire des systèmes de multi-intelligence: :

AutoGen prend en charge des interactions multi-intelligences plus complexes, telles que les discussions de groupe :

from autogen import GroupChat, GroupChatManager
# 假设你已经定义了多个智能体
group_chat = GroupChat(agents=[assistant, another_agent], messages=[], max_round=10)
manager = GroupChatManager(group_chat)
user_proxy.initiate_chat(manager, message="团队合作解决这个编程问题:...")

Utilisation d'outils: :

Intelligentsia peut faire appel à des outils tels que l'exécution de code ou la réalisation de recherches sur le web :

# 配置代码执行环境
user_proxy = UserProxyAgent("user_proxy", code_execution_config={"work_dir": "coding", "use_docker": True})
# 让智能体执行代码
user_proxy.initiate_chat(assistant, message="编写并执行一个简单的Python脚本来打印'Hello, AutoGen!'")

Personnaliser le comportement du corps intelligent: :

Vous pouvez définir des comportements spécifiques de l'intelligence, tels que la réaction dans des conditions spécifiques :

defcustom_handler(message):
if"error"in message.get("content", "").lower():
return"检测到错误,正在重新尝试..."
returnNone
assistant.register_handler(custom_handler, event="on_message")

flux de travail

  • Entamer un dialogue: à traversinitier_chatLes méthodes peuvent lancer la communication entre les intelligences ou l'interaction entre les intelligences et les utilisateurs.
  • Suivi et modificationL'Intelligentsia peut être ajoutée ou modifiée au cours d'un dialogue, ou les règles du dialogue peuvent être changées pour s'adapter à la tâche.
  • Conclusion et résultatsA la fin du dialogue, il est possible de visualiser le contenu généré ou les résultats de l'exécution des intelligences et d'analyser leur performance et leur précision.

L'utilisation d'AutoGen nécessite quelques connaissances de base en programmation Python, mais la documentation et les exemples sont suffisamment complets pour aider les novices à démarrer rapidement. Grâce à ces étapes et à ces exemples, vous pouvez commencer à explorer la puissance d'AutoGen pour le développement d'applications d'IA.

 

L'écosystème prend également en charge deux outils clés pour les développeurs :

AutoGen Studio Fournit une interface graphique sans code pour la construction d'applications multi-agents.

AutoGen Bench fournit une suite d'analyse comparative pour évaluer les performances des agents.

© déclaration de droits d'auteur
AiPPT

Articles connexes

Pas de commentaires

Vous devez être connecté pour participer aux commentaires !
S'inscrire maintenant
aucun
Pas de commentaires...